Geographical and Occupational Aspects of Leptospirosis in the Coffee-Triangle Region of Colombia, 2007-2011
Notice bibliographique
Résumé
BACKGROUND: There are few studies occupationally profiling as well as using Geographic information system (GIS) to map human leptospirosis. There are no detailed, municipality-level, epidemiological maps in Colombia neither in South America. We developed such maps for the Coffee-triangle region, Colombia and assess some occupational issues. METHODS: surveillance cases data (2007-2011) were used to estimate the annual incidence rates (cases/100,000 population) of leptospirosis to develop the first maps of disease in the 53 municipalities of the Coffee-triangle region of Colombia. GIS used was Kosmo(®) 3.1. Five thematic maps were developed according to municipalities and years. Using labor official information, analyses between agriculture (harvested areas) with disease occurrence was done (linear regression). RESULTS: Between 2007 and 2011, 786 cases were reported (77.8% from one department, Risaralda), for a cumulated rate of 32.18 cases/100,000 population. The highest rate was reported in the less developed municipality of one department (Pueblo Rico, Risaralda) with 1535.05 cases/100,000 population (187 cases, 2009). Armenia (Quindio department capital city), reported 23.41 cases/100,000pop (2011). In those patients with identified occupations, 33.3% were agriculture workers, finding a significant relationship between the number of cases in 2008 and the harvested area by municipality (r(2)=0.48; p=0.0083). CONCLUSION: one of the 53 municipalities contributed with almost a quarter of the cases. Agriculture was significantly associated with the incidence. Use of GIS-based epidemiological maps allow to focus actions in prevention and control for risk zones for leptospirosis which still represents a significant issue in the region and Colombia, particularly in agriculture workers.
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 | 0,001 |
| 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 ».