Antiviral Strategies for Emerging Influenza Viruses in Remote Communities
Notice bibliographique
Résumé
BACKGROUND: Due to the lack of timely access to resources for critical care, strategic use of antiviral drugs is crucial for mitigating the impact of novel influenza viruses with pandemic potential in remote and isolated communities. We sought to evaluate the effect of antiviral treatment and prophylaxis of close contacts in a Canadian remote northern community. METHODS: We used an agent-based, discrete-time simulation model for disease spread in a remote community, which was developed as an in-silico population using population census data. Relative and cumulative age-specific attack rates, and the total number of infections in simulated model scenarios were obtained. RESULTS: We found that early initiation of antiviral treatment is more critical for lowering attack rates in a remote setting with a low population-average age compared to an urban population. Our results show that a significant reduction in the relative, age-specific attack rates due to increasing treatment coverage does not necessarily translate to a significant reduction in the overall arrack rate. When treatment coverage varies from low to moderate, targeted prophylaxis has a very limited impact in reducing attack rates and should be offered at a low level (below 10%) to avoid excessive waste of drugs. CONCLUSIONS: In contrast to previous work, for conservative treatment coverages, our results do not provide any convincing evidence for the implementation of targeted prophylaxis. The findings suggest that public health strategies in remote communities should focus on the wider availability (higher coverage) and timely distribution of antiviral drugs for treatment of clinically ill individuals.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».