Identification of Networks of Sexually Transmitted Infection: A Molecular, Geographic, and Social Network Analysis
Notice bibliographique
Résumé
BACKGROUND: Despite widespread efforts to control it, Chlamydia trachomatis remains the most frequently diagnosed bacterial sexually transmitted infection (STI). Analysis of sexual networks has been proposed as a novel tool for control of and research into STI. In the present study, we combine molecular genotype data, analysis of geographic clusters, and sociodemographic descriptors to facilitate analysis of large sexual networks. METHODS: Individual chlamydia genotypes found in Manitoba, Canada, were analyzed to identify geographic clusters, and the identified clusters were further characterized by statistical analysis of sociodemographic variables. RESULTS: A total of 10 geographic clusters of chlamydia-genotype infection were identified. Clusters in Winnipeg showed no or little geographic overlap and could be further differentiated on the basis of the sociodemographic characteristics of the individuals within a cluster. Several clusters in northern Manitoba overlapped geographically but, nonetheless, could be differentiated on the basis of the sociodemographic characteristics of the infected individuals. CONCLUSIONS: On the basis of results of the combined analyses, each geographic cluster appeared to represent a relatively distinct transmission network within the larger sexual network. The geographic analysis of the molecular data provided a basis for establishment of potential epidemiological connections between small groups of unlinked individuals. Analytic approaches of the type described here would help to decipher the patterns that exist within large social network data sets and would be applicable to many types of infectious agents.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».