Développement d’une méthode télé-épidémiologique et macroécologique pour la prédiction de pathogènes potentiels dans les lacs canadiens à l’aide de données géospatiales et bio-optiques
Notice bibliographique
Résumé
Les maladies infectieuses font partie des causes de mortalité et de morbidité les plus importantes au monde avec en moyenne chaque année 9.6 millions de décès humains. Il existe une très grande diversité de pathogènes responsables de ces maladies qui peuvent être naturellement présents dans l’environnement ou être issus de sources de contaminations spécifiques ponctuelles (PS ou Point Sources; p. ex.: contamination fécale directe d’excréments d’animaux ou d’humains, fuites d’eau usée) ou diffuses (NPS ou Non-Point Sources; p. ex.: épandage agricole, eaux résiduelles urbaines). Les pathogènes peuvent aussi circuler entre les différents hôtes (c.à.d.: humains, animaux, végétaux) et vecteurs (p. ex.: rongeurs, moustiques, tiques) qu’ils contaminent. Ainsi jusqu’à 60.3% des maladies infectieuses émergeantes chez l’Humain seraient d’origine animale. Pour limiter l’impact des maladies sur les populations, des connaissances sur la distribution géographique des pathogènes et leurs niches écologiques sont nécessaires. En effet, endiguer de futures éclosions de maladies est un des défis de la science actuelle pour soutenir la santé publique, la sécurité alimentaire et la conservation des espèces. Actuellement, seulement 4% des 355 pathogènes infectieux les plus importants pour l’Humain ont été cartographiés à l’échelle mondiale. Par ailleurs, les changements environnementaux et climatiques ont des conséquences sur l’occurrence des maladies en altérant les niches écologiques des pathogènes, de leurs hôtes et de leurs vecteurs. En ce sens, les connaissances déjà établies pourraient, à l’avenir, devenir obsolètes sans le développement de modèles prédictifs fiables. Dans ce projet, une approche télé-épidémiologique et macroécologique a été utilisée pour développer des modèles prédictifs sur différents types de pathogènes potentiels échantillonnés dans des lacs canadiens. Cette approche se base sur l’idée que les lacs sont des sentinelles des changements environnementaux qui se produisent dans leurs bassins versants. Ils pourraient ainsi capturer à la fois des micro-organismes naturellement présents dans l’environnement, mais aussi des micro-organismes issus de sources localisées dans les bassins versants. La méthode pluridisciplinaire développée dans ce projet, implique l’utilisation de données de micro-organismes issues de séquences ADN et de propriétés bio-optiques de constituants collectés dans environ 660 lacs canadiens ainsi que des données géospatiales et de télédétection publique. L’ensemble des données ont ensuite été utilisé dans un modèle d’arbre de régression boosté avec ensachage. De manière générale, les résultats montrent des liens entre des microchampignons, parasites et bactéries potentiellement pathogéniques retrouvés dans les lacs et des facteurs environnementaux de contamination. Pour les microchampignons et les parasites, les résultats ont montré que les facteurs les plus importants sont les constituants bio-optiques de l’eau qui pourraient agir comme bouclier face aux ultraviolets ou fournir une source de nutriments pour les pathogènes. Pour les bactéries, les espèces les plus abondantes et les plus présentes trouvées dans les lacs, ont formé un groupe distinct de micro-organismes reliés au facteur climatique de la température de l’air. A l’inverse les bactéries les moins abondantes et les moins présentes ont été davantage reliées à des NPS issus d’activités agricoles et/ou d’élevage. En utilisant un multi-indicateur bactérien de contamination anthropique et fécale (c.à.d.: formé à partir de plusieurs pathogènes), des prédictions ont été établies sur 200 212 lacs à travers les écozones du Sud du Canada et ont montré une abondance plus élevée dans l’écozone des Prairies que dans le reste du Canada. De manière générale, ce travail montre qu’une approche télé-épidémiologique peut offrir des connaissances et des ressources cartographiques intéressantes pour la santé publique, la sécurité alimentaire et la conservation des espèces.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».