Evaluation of spatial variation in chronic wasting disease risk with Bayesian Poisson log-Gaussian model
Notice bibliographique
Résumé
Chronic wasting disease (CWD) is a fatal neurodegenerative disease among cervids that has steadily spread across the United States and Canada. The year-to-year increase in the geographic spread of this disease among white-tailed deer and mule deer have raised concerns about conserving these species and sustainable big-game hunting. Knowledge of the spatial variation in CWD risk in Kansas, a state that attracts big game hunters nationwide is not fully understood. We explored the spatial variation in CWD risk and the potential effects of habitat-level covariates using surveillance data collected in Kansas from 2005 to 2023, with a Poisson log-Gaussian model in a Bayesian framework. Two models were considered; Model 1 included only spatial random effects and Model 2 included spatial random effects plus non-linear effects of habitat-level covariate. Following satisfactory convergence of model parameters, choropleth maps of posterior mean estimates for the risk of CWD presence, and measures of spatial heterogeneities were plotted. The impacts of the habitat-level covariates were deemed important predictors of CWD as Model 2 outperformed Model 1. The risk of CWD in the northwestern and southcentral portions of the state is likely driven by similar underlying spatial processes; however, no global smoothing effect was observed. The northwestern region is at higher risk for CWD presence but a gradual increase in risk toward the south and eastern sides of the state is apparent. We conclude that the data-driven Poisson log-Gaussian model is useful in assessing CWD and potentially other wildlife diseases from surveillance sources, and the different spatial patterns and habitat-level covariate association have relevance to CWD management in Kansas.
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 | 0,021 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».