Pertussis resurgence in Toronto, Canada: a population-based study including test-incidence feedback modeling
Notice bibliographique
Résumé
BACKGROUND: Pertussis continues to challenge medical professionals; recently described increases in incidence may be due to age-cohort effects, vaccine effectiveness, or changes in testing patterns. Toronto, Canada has recently experienced increases in pertussis incidence, and provides an ideal jurisdiction for evaluating pertussis epidemiology due to centralized testing. We evaluated pertussis trends in Toronto using all available specimen data, which allowed us to control for changing testing patterns and practices. METHODS: Data included all pertussis culture and PCR test records for Greater Toronto from 1993 to 2007. We estimated incidence trends using Poisson regression models; complex relationships between disease incidence and test submission were explored with vector autoregressive models. RESULTS: From 1993 to 2007, 26988 specimens were submitted for testing; 2545 (9.4%) were positive. Pertussis incidence was 2 per 100,000 from 1993 to 2004 and increased to 10 per 100,000 from 2005-2007, with a concomitant 6-fold surge in test specimen submissions after the introduction of a new, more sensitive PCR assay. The relative change in incidence was less marked after adjustment for testing volumes. Bidirectional feedbacks between test positivity and test submissions were identified. CONCLUSIONS: Toronto's recent surge in pertussis reflects a true increase in local disease activity; the apparent size of the outbreak has likely been magnified by increasing use of pertussis testing by clinicians, and by improved test sensitivity since 2005. These findings may be applicable to changes in pertussis epidemiology that have been noted elsewhere in North America.
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) | 0,001 | 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 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 ».