Using social network analysis and non-invasive antibody detection to explore pathogen exposure in wildlife communities
Notice bibliographique
Résumé
Abstract Understanding the dynamics of infectious diseases in ecosystems shared with wildlife is a priority for preventing future threats to human, animal health and conservation. However, the collection of ecological and epidemiological data on wild populations has relied on invasive and costly methods which limited the capacity of investigation. Recent technological developments have changed this trend. In Hwange national park and its surrounding area in Zimbabwe, we combined camera trap-based ecological monitoring over a period of 12 months, covering 14 water holes with a fecal-based antibody survey in 16 large herbivore species. A survey involving 52,829 pictures as well as 629 faecal samples collected every 15 days, has shown Through the modelling of multispecies contact networks, the risk of infection exposure at species-level is predicted. Coupled with foot-and-mouth disease virus (FMDV) antibody information, the role of each species in the dynamics of infectious diseases is explored. This study highlights how community networks can provide valuable insights into the functional epidemiological role of wildlife populations. Rather than establishing transmission routes, our aim is to propose a scalable and non-invasive surveillance framework that identifies priority species and areas for epidemiological monitoring in complex ecological systems. Significance Statement Monitoring disease circulation in wildlife is often hindered by the difficulty of collecting epidemiological data. We propose a novel non-invasive approach that combines species interaction networks derived from camera-trap data with non-invasive antibody detection to explore the exposure patterns of large herbivore communities to foot-and-mouth disease virus (FMDV). By linking the position of species in contact networks with their immunological status, we demonstrate the potential of using ecological centrality as a proxy for identifying key hosts in transmission or indicator species for pathogen circulation. Beyond FMDV, this framework can be adapted to other pathogens for which non-invasive immunological assays are currently being developed, making it broadly relevant for wildlife disease surveillance in remote or protected 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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».