Global Incidence of Human Shiga Toxin–Producing <i>Escherichia coli</i> Infections and Deaths: A Systematic Review and Knowledge Synthesis
Notice bibliographique
Résumé
OBJECTIVES: Shiga toxin-producing Escherichia coli (STEC) are an important cause of foodborne disease, yet global estimates of disease burden do not exist. Our objective was to estimate the global annual number of illnesses due to pathogenic STEC, and resultant hemolytic uremic syndrome (HUS), end-stage renal disease (ESRD), and death. MATERIALS: We searched Medline, Scopus, SIGLE/OpenGrey, and CABI and World Health Organization (WHO) databases for studies of STEC incidence in the general population, published between January 1, 1990 and April 30, 2012, in all languages. We searched health institution websites for notifiable disease data and reports, cross-referenced citations, and consulted international knowledge experts. We employed an a priori hierarchical study selection process and synthesized results using a stochastic simulation model to account for uncertainty inherent in the data. RESULTS: We identified 16 articles and databases from 21 countries, from 10 of the 14 WHO Sub-Regions. We estimated that STEC causes 2,801,000 acute illnesses annually (95% Credible Interval [Cr.I.]: 1,710,000; 5,227,000), and leads to 3890 cases of HUS (95% Cr.I.: 2400; 6700), 270 cases of ESRD (95% Cr.I.: 20; 800), and 230 deaths (95% Cr.I.: 130; 420). Sensitivity analyses indicated these estimates are likely conservative. CONCLUSIONS: These are the first estimates of the global incidence of STEC-related illnesses, which have not been explicitly included in previous global burden of disease estimations. Compared to other pathogens with a foodborne transmission component, STEC appears to cause more cases than alveolar echinococcosis each year, but less than typhoid fever, foodborne trematodes, and nontyphoidal salmonellosis. APPLICATIONS: Given the persistence of STEC globally, efforts aimed at reducing the burden of foodborne disease should consider the relative contribution of STEC in the target population.
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 | 0,013 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,009 |
| Bibliométrie | 0,025 | 0,023 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».