MétaCan
Menu
Retour à la cohorte
Enregistrement W2148629428 · doi:10.1017/s0950268814003185

An assessment of the human health impact of seven leading foodborne pathogens in the United States using disability adjusted life years

2015· article· en· W2148629428 sur OpenAlexaboutno aff
Elaine Scallan, Robert M. Hoekstra, Barbara E. Mahon, Timothy F. Jones, Patricia M. Griffin

Notice bibliographique

RevueEpidemiology and Infection · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueViral gastroenteritis research and epidemiology
Établissements canadiensnon disponible
Organismes subventionnairesCenters for Disease Control and Prevention
Mots-clésEnvironmental healthSalmonellaCampylobacterMedicinePublic healthListeria monocytogenesIncidence (geometry)Food safetyNorovirusDisease burdenEconomic impact analysisBiologyPopulationOutbreakVirology

Résumé

récupéré en direct d'OpenAlex

We explored the overall impact of foodborne disease caused by seven leading foodborne pathogens in the United States using the disability adjusted life year (DALY). We defined health states for each pathogen (acute illness and sequelae) and estimated the average annual incidence of each health state using data from public health surveillance and previously published estimates from studies in the United States, Canada and Europe. These pathogens caused about 112 000 DALYs annually due to foodborne illnesses acquired in the United States. Non-typhoidal Salmonella (32 900) and Toxoplasma (32 700) caused the most DALYs, followed by Campylobacter (22 500), norovirus (9900), Listeria monocytogenes (8800), Clostridium perfringens (4000), and Escherichia coli O157 (1200). These estimates can be used to prioritize food safety interventions. Future estimates of the burden of foodborne disease in DALYs would be improved by addressing important data gaps and by the development and validation of US-specific disability weights for foodborne diseases.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Simulation ou modélisationlow
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,182
Tête enseignante GPT0,493
Écart entre enseignants0,311 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeObservationnel · Simulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations295
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEpidemiology and InfectionMême sujetViral gastroenteritis research and epidemiologyTravaux en français237 207