Interannual changes in the association between land use, abundance of <i>Culex quinquefasciatus</i> and <i>Culex tarsalis</i> (Diptera: Culicidae), and occurrence of arboviruses in Maricopa County, Arizona
Notice bibliographique
Résumé
West Nile virus (WNV) (Orthoflavivirus nilense) and Saint Louis encephalitis virus (SLEV) (Orthoflavivirus louisense) are transmitted by Culex quinquefasciatus Say and Culex tarsalis Coquillett in Maricopa County, Arizona, where a significant increase in the number of WNV cases was reported in 2021. We used data collected between 2014 and 2021 from a network of CO2-baited surveillance traps to assess whether particular land use categories may have contributed to this rise in WNV cases. For each vector species and year, we estimated the association between the areas of each of 10 land use categories neighboring the traps and vector abundance or the odds of detecting WNV or SLEV in females from the traps. Across years, the percentage of traps detecting WNV in each vector was positively associated with the number of reported WNV human cases. Positive associations between areas of the land use categories Single-Family Residential, Industrial, and Golf Course and the odds of detecting WNV only occurred in 2021, indicating that a greater occurrence of WNV in vectors from within these land use categories may have contributed to the rise in WNV human cases in 2021. Areas of the land use categories Golf Course and Vacant were consistently negatively associated with Cx. quinquefasciatus abundance and the odds of detecting SLEV. Agriculture was consistently positively associated with Cx. tarsalis abundance and the odds of detecting SLEV. By identifying land use categories that may have mediated arbovirus transmission at landscape scale, our results provide valuable information for developing targeted vector control strategies.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».