MétaCan
Menu
Retour à la cohorte
Enregistrement W6976752468 · doi:10.60692/9zgh6-xx046

Ecological, biological and social dimensions of dengue vector breeding in five urban settings of Latin America: a multi-country study

2014· article· en· W6976752468 sur OpenAlexaff

Notice bibliographique

RevueGreater South Information System · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputer Graphics and Visualization Techniques
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésVector (molecular biology)Dengue feverRainwater harvestingPupaDry seasonAedes aegyptiAedesPsychological interventionCluster (spacecraft)

Résumé

récupéré en direct d'OpenAlex

Dengue is an increasingly important public health problem in most Latin American countries and more cost-effective ways of reducing dengue vector densities to prevent transmission are in demand by vector control programs. This multi-centre study attempted to identify key factors associated with vector breeding and development as a basis for improving targeted intervention strategies.In each of 5 participant cities in Mexico, Colombia, Ecuador, Brazil and Uruguay, 20 clusters were randomly selected by grid sampling to incorporate 100 contiguous households, non-residential private buildings (businesses) and public spaces. Standardized household surveys, cluster background surveys and entomological surveys specifically targeted to obtain pupal indices for Aedes aegypti, were conducted in the dry and wet seasons.The study clusters included mainly urban low-middle class populations with satisfactory infrastructure and -except for Uruguay- favourable climatic conditions for dengue vector development. Household knowledge about dengue and "dengue mosquitoes" was widespread, mainly through mass media, but there was less awareness around interventions to reduce vector densities. Vector production (measured through pupal indices) was favoured when water containers were outdoor, uncovered, unused (even in Colombia and Ecuador where the large tanks used for household water storage and washing were predominantly productive) and -particularly during the dry season- rainwater filled. Larval infestation did not reflect productive container types. All productive container types, including those important in the dry season, were identified by pupal surveys executed during the rainy season.A number of findings are relevant for improving vector control: 1) there is a need for complementing larval surveys with occasional pupal surveys (to be conducted during the wet season) for identifying and subsequently targeting productive container types; 2) the need to raise public awareness about useful and effective interventions in productive container types specific to their area; and 3) the motivation for control services that-according to this and similar studies in Asia- dedicated, targeted vector management can make a difference in terms of reducing vector abundance.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,258
Score d'incertitude au seuil0,323

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,042
Tête enseignante GPT0,255
Écart entre enseignants0,214 · 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'étudeObservationnel
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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetComputer Graphics and Visualization TechniquesTravaux en français237 207