Risk assessment and mitigation evaluation of future yellow fever outbreaks under different climate scenarios: Insight from a case study of Brazil
Notice bibliographique
Résumé
BACKGROUND: Yellow Fever (YF), a disease typically transmitted to humans by infected mosquitoes, is endemic to regions such as South America. Climate change plays a crucial role in exacerbating the spread of YF. MODEL: We formulate a mathematical model of YF transmission with a case study of the region in the southeastern Brazil with a well documented 2017/2018 outbreak. We validate the model using historical data, then run simulations to generate projections of future outbreaks under different climate scenarios in 2050. We also evaluate the outcomes of different mitigation measures such as emergency vaccination programs. FINDINGS: Our results suggest that under all projected climate scenarios, increasing temperatures will yield a marked increase in the total number of cases. Under RCP 8.5, the basic human infection reproduction number will increase by 11.4%, and the cumulative infections will increase by 8.1%. The model predicts a similar increase under a moderate radiative forcing scenario. The introduction of additional emergency vaccination, at a rate of 8.0% (equivalent to 60% vaccination coverage over the course of 15 weeks) of the susceptible population per week, can reduce this increase of cumulative cases to approximately 4.9%. This effect of emergency vaccines will be equivalent to alternative public health interventions to reduce the mosquito-to-human disease transmission effective contact by approximately 23.0%. Increasing temperatures and rainfall due to climate change are projected to increase YF cases. Vaccination can be an important part of integrative mitigating measures.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».