Campylobactériose humaine et variations climatiques au Québec : a \nnalyse de séries temporelles selon les modèles SARIMA et SARIMAX
Bibliographic record
Abstract
Au niveau mondial, les indicateurs climatiques sont de plus en plus décrits comme des facteurs associés aux zoonoses. L’objectif principal de cette étude a été de vérifier la relation entre les variations de la température ambiante maximale mensuelle et du niveau de précipitations totales mensuelles (incluant la neige et la pluie) et l’incidence cumulée mensuelle de la campylobactériose humaine dans trois régions sociosanitaires du Québec ayant des conditions climatiques différentes : Montréal, Mauricie-et-Centre-du-Québec et Capitale-Nationale. Une double analyse de séries temporelles selon les modèles SARIMA (Seasonal Autoregressive integrated Moving Average) et SARIMAX (Seasonal Autoregressive Integrated Moving Average with Exogenous variables) a été réalisée sur la période de 2000 à 2015. Pour les trois régions sociosanitaires, l’incidence cumulée mensuelle de la campylobactériose suivait une tendance saisonnière avec un pic entre juillet et août. Les modèles SARIMAX étaient les meilleurs modèles permettant d’apprécier l’association entre l’incidence cumulée mensuelle de la campylobactériose humaine et les deux variables climatiques. Une corrélation positive entre la température maximale mensuelle et l’incidence cumulée mensuelle de la campylobactériose humaine était observée pour les régions de Montréal (p < 0,0001) et de Mauricie-et-Centre-du-Québec (p = 0,0079). Pour les précipitations, la corrélation était négative et significative seulement pour la région de Montréal (p = 0,0004). Il reste à explorer la corrélation avec plusieurs autres variables climatiques telles que les précipitations pluviales (sans la neige), l’humidité relative et la durée de la saison de croissance des végétaux ainsi qu’à élaborer des modèles SARIMAX de prédiction de l’incidence de la campylobactériose.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
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".