Zoonotic Spillover and Pandemic Risk: A Review of Transmission Pathways and Mitigation Approaches
Notice bibliographique
Résumé
Zoonotic diseases transmitted from animals to humans pose an escalating threat to global health, driven by rapid environmental change, wildlife exploitation, and intensive animal husbandry. The current review paper synthesizes up-to-date knowledge on the mechanisms and pathways of zoonotic spillover and examines biological prerequisites such as host range expansion, viral mutation, and viral recombination occurring in intermediate hosts. The review analyzes transmission routes, including direct contact, fomites, foodborne, vector-borne, and airborne pathways, and highlights the amplifying role of ecological disturbance, wildlife density, and “mixing vessels” like live animal markets and factory farms. Case studies of severe acute respiratory syndrome, Middle East respiratory syndrome, avian and swine influenza, Ebola, and COVID-19 illustrate common transmission dynamics and public health challenges. Furthermore, global risk mitigation strategies are evaluated, from One Health frameworks and wildlife surveillance platforms to biosecurity measures, trade regulations, and community-driven behavior change initiatives. Finally, the study identifies critical research gaps, such as the integration of ecological data, surveillance in biodiversity hotspots, AI-based predictive modeling, and data-sharing barriers, and proposed multidisciplinary recommendations to enhance early detection, regulation, and ecosystem conservation. The review paper aims to inform policy and strengthen resilience against future zoonotic pandemics by encouraging transdisciplinary collaboration and proactive prevention.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».