Identifying Spatial Clusters of Schistosomiasis in Anhui Province of China: A Study from the Perspective of Application
Notice bibliographique
Résumé
With the strategy shifting from morbidity control to transmission interruption, the burden of schistosomiasis in China has been declining over the past decade. However, further controls of the epidemic in the lake and marshland regions remain a challenge. Prevalence data at county level were obtained from the provincial surveillance system in Anhui during 1997-2010. Spatial autocorrelation analysis and spatial scan statistics were combined to assess the spatial pattern of schistosomiasis. The spatial-temporal cluster analysis based on retrospective space-time scan statistics was further used to detect risk clusters. The Global Moran's I coefficients were mostly statistically significant during 1997-2004 but not significant during 2005-2010. The clusters detected by two spatial cluster methods occurred in Nanling, Tongling, Qingyang and Wuhu during 1997-2004, and Guichi and Wuhu from 2005 to 2010, respectively. Spatial-temporal cluster analysis revealed 2 main clusters, namely Nanling (1999-2002) and Guichi (2005-2008). The clustering regions were significantly narrowed while the spatial extent became scattered during the study period. The high-risk areas shifted from the low reaches of the Yangtze River to the upper stream, suggesting the focus of schistosomiasis control should be shifted accordingly and priority should be given to the snail habitats within the high-risk areas of schistosomiasis.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».