Time series analysis and modeling of dengue and environmental factors in Meta, Colombia from 2014-2019
Bibliographic record
Abstract
La dengue est actuellement un problème de santé publique majeur en Colombie avec un fardeau sanitaire et économique important. Les facteurs environnementaux sont connus pour influencer le risque de dengue ; cependant, la forme, l'ampleur et le moment de ces relations ne sont pas clairement établis. L'ampleur et le moment des épidémies de dengue varient selon le lieu. Cette thèse a examiné les composantes temporelles des séries chronologiques hebdomadaires de cas de dengue dans les municipalités de Villavicencio, Castilla la Nueva et Puerto Lopez en Colombie de 2014 à 2019. Il a procédé à l'estimation de la forme et de l'ampleur des associations entre les cas hebdomadaires de dengue et cinq facteurs météorologiques, mesurés chaque semaine, pour chacune des municipalités à l'aide du cadre des modèles non linéaires à décalage distribué avec une distribution binomiale négative. Il a finalement comparé les associations dans les trois municipalités (urbaines, périurbaines et rurales) pour observer si les associations trouvées étaient cohérentes entre les municipalités. Les résultats ont montré que Castilla la Nueva (périurbain) avait la fréquence d'épidémies la plus élevée, avec quatre pics distincts, tandis que Puerto Lopez (rural) en avait le moins. L'ampleur du nombre d'infections était la plus élevée à Villavicencio (urbain), probablement parce qu'elle était la plus peuplée des trois. Les trois municipalités avaient toutes deux une tendance qui dépendait des pics et des creux des flambées de dengue et toutes avaient une composante saisonnière distincte. L'association avec la température, les précipitations, l'humidité relative, la vitesse du vent et la pression de surface à travers les décalages n'était pas linéaire. La non-linéarité a été présentée par un comportement en forme de dôme simple à multiple, dépendant de la municipalité. L'ampleur du risque relatif associé à chaque facteur environnemental dépendait également de la municipalité. Cette thèse propose la création d'un tableau de bord de prévisions utilisant des modèles non linéaires à décalage distribué pour chaque commune comme outil d’aide aux politiques et programmes de lutte contre la dengue.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".