Effect of latitude on the rate of change in incidence of Lyme disease in the United States
Notice bibliographique
Résumé
BACKGROUND: Tick-borne illnesses represent an important class of emerging zoonoses, with climate change projected to increase the geographic range within which tick-borne zoonoses might become endemic. We evaluated the impact of latitude on the rate of change in the incidence of Lyme disease in the United States, using publicly available data. METHODS: We estimated state-level year-on-year incidence rate ratios (IRRs) for Lyme disease for the period 1993 to 2007 using Poisson regression methods. We evaluated between-state heterogeneity in IRRs using a random-effects meta-analytic approach. We identified state-level characteristics associated with increasing incidence using random-effects meta-regression. RESULTS: The incidence of Lyme disease in the US increased by about 80% between 1993 and 2007 (IRR per year 1.049, 95% CI [confidence interval] 1.048 to 1.050). There was marked between-state heterogeneity in the average incidence of Lyme disease, ranging from 0.008 per 100 000 person-years in Colorado to 75 per 100 000 in Connecticut, and significant between-state heterogeneity in temporal trends (p < 0.001). In multivariable meta-regression models, increasing incidence showed a linear association with state latitude and population density. These 2 factors explained 27% of the between-state variation in IRRs. No independent association was identified for other state-level characteristics. INTERPRETATION: Lyme disease incidence increased in the US as a whole during the study period, but the changes were not uniform. Marked increases were identified in northern-most states, whereas southern states experienced stable or declining rates of Lyme disease.
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 | 0,000 |
| 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 | 0,001 | 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 ».