An Evaluation of Spatial Lyme Disease Risk at Regional and Health Unit Scales Using Remotely Sensed Surface Temperature, GIS-Based Habitat Suitability Data and Population Modelling
Notice bibliographique
Résumé
The spread of Lyme disease continues to be a severe public health concern in Ontario, Canada due to rising temperatures. Several previous studies have modelled the extent and rate of risk increase at provincial and national scales using climate-based population modelling of the black-legged tick. The purpose of this study is to evaluate the applicability of this approach at a regional and health unit scale with high-resolution remotely sensed (RS) temperature data and GIS-based habitat suitability data. These data are input into a tick population model to calculate the basic reproductive number (R0), an indicator of reproductive success in a given environment. Monthly average RS land surface temperature data from 2008 to 2017 are used as model inputs to evaluate R0 values in eastern Ontario, and 8-day average RS land surface temperature data from 2016 to 2017 are used to evaluate R0 values in the Kingston, Frontenac, and Lennox & Addington health unit region. It is found that there was an overall increase in R0 over eastern Ontario, up to a maximum rate of change of 0.28 ticks which survive to reproductive age per tick per year. The rate of change of R0 is not significantly impacted by elevation based upon local regression analysis, but is impacted by land cover type. Model outputs are validated using Lyme disease exposure information collected by Public Health Ontario. At the health unit scale, tick host density is varied according to habitat suitability to evaluate its impact relative to temperature. When host density is accounted for, urban areas become less suitable and forested areas become more suitable. This study provides increased insight into Lyme disease risk modelling at the regional and health unit scales, and the impact of tick host dynamics on habitat suitability at the health unit scale.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».