Estimating the Global Burden of Endemic Canine Rabies
Notice bibliographique
Résumé
BACKGROUND: Rabies is a notoriously underreported and neglected disease of low-income countries. This study aims to estimate the public health and economic burden of rabies circulating in domestic dog populations, globally and on a country-by-country basis, allowing an objective assessment of how much this preventable disease costs endemic countries. METHODOLOGY/PRINCIPAL FINDINGS: We established relationships between rabies mortality and rabies prevention and control measures, which we incorporated into a model framework. We used data derived from extensive literature searches and questionnaires on disease incidence, control interventions and preventative measures within this framework to estimate the disease burden. The burden of rabies impacts on public health sector budgets, local communities and livestock economies, with the highest risk of rabies in the poorest regions of the world. This study estimates that globally canine rabies causes approximately 59,000 (95% Confidence Intervals: 25-159,000) human deaths, over 3.7 million (95% CIs: 1.6-10.4 million) disability-adjusted life years (DALYs) and 8.6 billion USD (95% CIs: 2.9-21.5 billion) economic losses annually. The largest component of the economic burden is due to premature death (55%), followed by direct costs of post-exposure prophylaxis (PEP, 20%) and lost income whilst seeking PEP (15.5%), with only limited costs to the veterinary sector due to dog vaccination (1.5%), and additional costs to communities from livestock losses (6%). CONCLUSIONS/SIGNIFICANCE: This study demonstrates that investment in dog vaccination, the single most effective way of reducing the disease burden, has been inadequate and that the availability and affordability of PEP needs improving. Collaborative investments by medical and veterinary sectors could dramatically reduce the current large, and unnecessary, burden of rabies on affected communities. Improved surveillance is needed to reduce uncertainty in burden estimates and to monitor the impacts of control efforts.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».