Environmental correlates of Aedes aegypti abundance in the West Valley region of San Bernardino County, California, USA, from 2017 to 2023: an ecological modeling study
Notice bibliographique
Résumé
BACKGROUND: Aedes mosquitoes, particularly Aedes aegypti and Ae. albopictus, are major vectors of globally significant diseases such as dengue, Zika, and chikungunya. Since 2013, Ae. aegypti populations have rapidly expanded in California, making control efforts difficult due to their widespread, small-scale breeding sites and strong adaptation to urban environments. METHODS: Remote sensing technologies, coupled with Geographic Information Systems (GIS), offer innovative solutions for mosquito surveillance and control. However, understanding the environmental drivers of mosquito abundance, particularly in California's diverse ecological settings, remains an important gap. To address this gap, we analyzed Ae. aegypti abundance (2017 to 2023) in relation to environmental variables, such as temperature, precipitation, surface water, elevation, and built environment. We applied hotspot analysis to identify spatial clusters of high mosquito abundance and used a generalized additive model (GAM) with a negative binomial distribution to assess environmental and meteorological influences on mosquito counts. RESULTS: Hotspot analyses revealed clusters of Ae. aegypti hotspots near residential areas. Aedes aegypti counts increased with higher surface water availability and temperature. CONCLUSIONS: Our study characterizes the spatial and temporal dynamics of Ae. aegypti mosquito abundance in the West Valley region of San Bernardino County from 2017 to 2023, shedding light on the influence of environmental factors and human activities on temporal trends. Our findings emphasize the critical role of temperature and water availability in shaping mosquito population dynamics, highlighting the need for proactive vector control strategies in response to environmental changes.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».