Modelling the transmission dynamics of acute haemorrhagic conjunctivitis: application to the 2003 outbreak in Mexico
Notice bibliographique
Résumé
We model an outbreak of acute haemorrhagic conjunctivitis (AHC) using a simple epidemic model that includes susceptible, infectious, reported, and recovered classes. The model's framework considers the impact of underreporting and behaviour changes on the transmission rate and is applied to a recent epidemic of AHC in Mexico, using a fit to the cumulative number of cases to estimate model parameters, which agree with those derived from clinical studies. The model predicts a 'mean time from symptomatic onset to diagnosis' of 1.43 days (95 per cent CI: 1-2.5) and that the final size of the Mexican epidemic was underreported by 39 per cent. We estimate that a primary infectious case generates approximately 3 secondary cases (R0* = 2.64, SD 0.65). We explore the impact of interventions on the final epidemic size, and estimate a 36 per cent reduction in the transmission rate due to behaviour changes. The effectiveness of the behaviour changes in slowing the epidemic is evident at 21.90 (SD 0.19) days after the first reported case. Results therefore support current public health policy including expeditious announcement of the outbreak and public health information press releases that instruct individuals on avoiding contagion and encourage them to seek diagnosis in hospital clinics.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».