Modeling the spread risk of dengue vector Aedes albopictus caused by environmental factors in Shanghai China
Notice bibliographique
Résumé
Objective: To predict the distribution of dengue vector Aedes ( Ae .) albopictus and identify high-risk areas for dengue fever transmission. Methods: Data on Ae. albopictus occurrences were collected from electronic databases. Ensemble models were developed to assess the impacts of climate, vegetation, and human activity on Ae. albopictus . The optimal ensemble model was then used to identify the distribution of suitable areas for Ae. albopictus . Results: After removing duplicate sites and retaining only one location per 100 m × 100 m grid, 189 Ae. albopictus breeding sites were identified. The optimal ensemble model revealed that Ae. albopictus exhibited higher breeding suitability in Shanghai under specific conditions: a normalized difference vegetation index of 0.1 to 0.6, maximum precipitation in the warmest month ranging from 400 mm to 470 mm, maximum temperature in the warmest month between 30.0 °C and 31.0 °C, and proximity to waterways within 0.5 km. The most suitable habitats for Ae. albopictus were primarily concentrated in Shanghai’s central urban areas and scattered across the inner suburban districts. Conclusions: The high-risk areas of Ae. albopictus are widely distributed throughout the central urban area and scattered across the inner suburban district of Shanghai, creating conditions conducive to the outbreak of dengue fever. It is essential to enhance targeted control measures for Ae. albopictus in the identified risk areas.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».