Age-specific Differences in Influenza A Epidemic Curves: Do Children Drive the Spread of Influenza Epidemics?
Notice bibliographique
Résumé
There is accumulating evidence suggesting that children may drive the spread of influenza epidemics. The objective of this study was to quantify the lead time by age using laboratory-confirmed cases of influenza A for the 1995/1996-2005/2006 seasons from Canadian communities and laboratory-confirmed hospital admissions for the H1N1/2009 pandemic strain. With alignment of the epidemic curves locally before aggregation of cases, slight age-specific differences in the timing of infection became apparent. For seasonal influenza, both the 10-19- and 20-29-year age groups peaked 1 week earlier than other age groups, while during the fall wave of the 2009 pandemic, infections peaked earlier among only the 10-19-year age group. In the H3N2 seasons, infections occurred an average of 3.9 (95% confidence interval: 1.7, 6.1) days earlier in the 20-29-year age group than for youth aged 10-19 years, while during the fall pandemic wave, the 10-19-year age group had a statistically significant lead of 3 days compared with both younger children aged 4-9 years and adults aged 20-29 years (P < 0.0001). This analysis casts doubt on the hypothesis that younger school-age children actually lead influenza epidemic waves.
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 | 0,011 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».