Zoonotic Disease Transmission May Be Linked to Host Co‐Occurrence Network Topology
Notice bibliographique
Résumé
Most human pathogens are zoonotic, transmitted from vertebrate hosts to humans. However, it is still unclear how the topology of host co-occurrence networks may contribute to disease transmission. To address this uncertainty, we examined the host co-occurrence networks of 22 zoonotic pathogens from six continents (70 networks). First, we distinguished two major gradients of variability in host network topology-size (numbers of nodes and edges) and connectance/modularity. Larger networks with high connectance but low modularity have a greater potential for zoonotic disease transmission. These networks encompassed the hosts of 10 pathogens that cause emerging, re-emerging, and/or genetically diversifying diseases: St. Louis encephalitis virus, influenza A virus, West Nile virus, Toxoplasma gondii, Eastern equine encephalitis virus, Avian orthoavulavirus 1, Japanese encephalitis virus, Usutu virus, Sindbis virus, and Coxiella burnetii. Second, we identified the top 87 hosts with the most connections to other hosts across networks, for example, Columba livia (rock pigeon), Passer domesticus (house sparrow), Hirundo rustica (barn swallow), Sturnus vulgaris (European starling), Anas platyrhynchos (mallard), and Gallinula chloropus (common moorhen). These species were highly connected in 7-27 networks of 2-11 pathogens. Notably, 50 of the 87 hosts were migratory, urban, or semi-urban, highlighting the risk of zoonotic spread in developed areas.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».