Tuberculosis elimination in the Canadian First Nations population: assessment by a state-transfer, compartmental epidemic model
Notice bibliographique
Résumé
BACKGROUND: Tuberculosis (TB) remains an important public health problem in Canadian Aboriginal (First Nations and Inuit) communities. The objectives of this study were to predict future disease burden and set feasible targets for the elimination of TB in the First Nations population, using retrospective data and an epidemic model. METHODS: Reported TB incidence data (1974-2002), previously published TB meningitis data from the pre-chemotherapy era, and previous estimates of disease risk following infection were used to estimate a trend in the annual risk of infection from 1929 to 2002, and the age-specific prevalence of infection in 2002. A state-transfer, compartmental model was then developed to predict future disease burden. Two scenarios were simulated, with different disease risk parameters. RESULTS: The estimated prevalence of infection in 2002 was 20.9% in scenario 1 and 25.5% in scenario 2. Predicted incidence rates in 2015 were 16.8 per 100,000 and 11.7 per 100,000 for the two scenarios, respectively. The incidence of disease was not lower than 1 per 100,000 for either scenario in 2034, the arbitrarily chosen last year of the model. CONCLUSIONS: The goal of eliminating TB among Aboriginal peoples in Canada is a feasible one, but will only be achieved with continued investment in programs designed to control and prevent transmission. Reactivation disease cases may occur for a number of years to come, making rapid elimination a difficult goal.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».