MétaCan
Menu
Retour à la cohorte
Enregistrement W4417272092 · doi:10.28924/2291-8639-23-2025-331

Improved Spatial-Temporal CAR Models for Dengue Fever Incidence: Evidence from Banyumas

2025· article· W4417272092 sur OpenAlexvenueno aff
Jajang, Mashuri Mashuri, Novita Eka Chandra, Budi Pratikno

Notice bibliographique

RevueInternational Journal of Analysis and Applications · 2025
Typearticle
Langue
DomaineSocial Sciences
ThématiqueDengue and Mosquito Control Research
Établissements canadiensnon disponible
Organismes subventionnairesJenderal Soedirman University
Mots-clésDengue feverDengue hemorrhagic feverPopulationOffset (computer science)Dengue virusAutoregressive model

Résumé

récupéré en direct d'OpenAlex

In the last six years, dengue fever cases in Banyumas Regency in 2024 were very high. The relative risk (RR) of dengue hemorrhagic fever (DHF) is of interest. In this paper, we proposed the Spatial Temporal-Conditional Autoregressive (ST-CAR) model to analyze the association of DHF with related factors. In addition, we improve the model with offset modification on ST-CAR. The results of research showed that the best ST-CAR model was the interaction of intrinsic CAR and independent identically distributed temporal effects. In addition, the offset modification in the ST-CAR model resulted in the smallest Watanabe-Akaike Information Criterion (WAIC). Based on the study's findings, the two highest RR from year to year are located not far from the city center (North Purwokerto) and the tourist attraction (Baturaden). Both locations are often associated with higher risk factors such as population density and greater social interaction, which facilitate transmission.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,941
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,397
Écart entre enseignants0,364 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Analysis and ApplicationsMême sujetDengue and Mosquito Control ResearchTravaux en français237 207