The Impact of Infection on Population Health: Results of the Ontario Burden of Infectious Diseases Study
Notice bibliographique
Résumé
BACKGROUND: Evidence-based priority setting is increasingly important for rationally distributing scarce health resources and for guiding future health research. We sought to quantify the contribution of a wide range of infectious diseases to the overall infectious disease burden in a high-income setting. METHODOLOGY/PRINCIPAL FINDINGS: We used health-adjusted life years (HALYs), a composite measure comprising premature mortality and reduced functioning due to disease, to estimate the burden of 51 infectious diseases and associated syndromes in Ontario using 2005-2007 data. Deaths were estimated from vital statistics data and disease incidence was estimated from reportable disease, healthcare utilization, and cancer registry data, supplemented by local modeling studies and national and international epidemiologic studies. The 51 infectious agents and associated syndromes accounted for 729 lost HALYs, 44.2 deaths, and 58,987 incident cases per 100,000 population annually. The most burdensome infectious agents were: hepatitis C virus, Streptococcus pneumoniae, Escherichia coli, human papillomavirus, hepatitis B virus, human immunodeficiency virus, Staphylococcus aureus, influenza virus, Clostridium difficile, and rhinovirus. The top five, ten, and 20 pathogens accounted for 46%, 67%, and 75% of the total infectious disease burden, respectively. Marked sex-specific differences in disease burden were observed for some pathogens. The main limitations of this study were the exclusion of certain infectious diseases due to data availability issues, not considering the impact of co-infections and co-morbidity, and the inability to assess the burden of milder infections that do not result in healthcare utilization. CONCLUSIONS/SIGNIFICANCE: Infectious diseases continue to cause a substantial health burden in high-income settings such as Ontario. Most of this burden is attributable to a relatively small number of infectious agents, for which many effective interventions have been previously identified. Therefore, these findings should be used to guide public health policy, planning, and research.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».