The Seasonality of Tuberculosis, Sunlight, Vitamin D, and Household Crowding
Notice bibliographique
Résumé
BACKGROUND: Unlike other respiratory infections, tuberculosis diagnoses increase in summer. We performed an ecological analysis of this paradoxical seasonality in a Peruvian shantytown over 4 years. METHODS: Tuberculosis symptom-onset and diagnosis dates were recorded for 852 patients. Their tuberculosis-exposed cohabitants were tested for tuberculosis infection with the tuberculin skin test (n = 1389) and QuantiFERON assay (n = 576) and vitamin D concentrations (n = 195) quantified from randomly selected cohabitants. Crowding was calculated for all tuberculosis-affected households and daily sunlight records obtained. RESULTS: Fifty-seven percent of vitamin D measurements revealed deficiency (<50 nmol/L). Risk of deficiency was increased 2.0-fold by female sex (P < .001) and 1.4-fold by winter (P < .05). During the weeks following peak crowding and trough sunlight, there was a midwinter peak in vitamin D deficiency (P < .02). Peak vitamin D deficiency was followed 6 weeks later by a late-winter peak in tuberculin skin test positivity and 12 weeks after that by an early-summer peak in QuantiFERON positivity (both P < .04). Twelve weeks after peak QuantiFERON positivity, there was a midsummer peak in tuberculosis symptom onset (P < .05) followed after 3 weeks by a late-summer peak in tuberculosis diagnoses (P < .001). CONCLUSIONS: The intervals from midwinter peak crowding and trough sunlight to sequential peaks in vitamin D deficiency, tuberculosis infection, symptom onset, and diagnosis may explain the enigmatic late-summer peak in tuberculosis.
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 | 0,002 |
| 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 | 0,000 |
| 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 ».