A cross-sectional study of the prevalence of intensity of infection with Schistosoma japonicumin 50 irrigated and rain-fed villages in Samar Province, the Philippines
Notice bibliographique
Résumé
BACKGROUND: Few studies have described heterogeneity in Schistosoma japonicum infection intensity, and none were done in Philippines. The purpose of this report is to describe the village-to-village variation in the prevalence of two levels of infection intensity across 50 villages of Samar Province, the Philippines. METHODS: This cross-sectional study was conducted in 25 rain-fed and 25 irrigated villages endemic for S. japonicum between August 2003 and November 2004. Villages were selected based on irrigation and farming criteria. A maximum of 35 eligible households were selected per village. Each participant was asked to provide stool samples on three consecutive days. All those who provided at least one stool sample were included in the analysis. A Bayesian three category outcome hierarchical cumulative logit regression model with adjustment for age, sex, occupation and measurement error of the Kato-Katz technique was used for analysis. RESULTS: A total of 1427 households and 6917 individuals agreed to participate in the study. A total of 5624 (81.3%) participants provided at least one stool sample. The prevalences of those lightly and at least moderately infected varied from 0% (95% Bayesian credible interval (BCI): 0%-3.1%) to 45.2% (95% BCI: 36.5%-53.9%) and 0% to 23.0% (95% BCI: 16.4%-31.2%) from village-to-village, respectively. Using the 0-7 year old group as a reference category, the highest odds ratio (OR) among males and females were that of being aged 17-40-year old (OR = 8.76; 95% BCI: 6.03-12.47) and 11-16-year old (OR = 8.59; 95% BCI: 4.74-14.28), respectively. People who did not work on a rice farm had a lower prevalence of infection than those working full time on a rice farm. The OR for irrigated villages compared to rain-fed villages was 1.41 (95% BCI: 0.50-3.21). DISCUSSION: We found very important village-to-village variation in prevalence of infection intensity. This variation is probably due to village-level variables other than that explained by a crude classification of villages into the irrigated and non-irrigated categories. We are planning to capture this spatial heterogeneity by updating our initial transmission dynamics model with the data reported here combined with 1-year post-treatment follow-up of study participants.
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 | 0,001 | 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) | 0,001 | 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 ».