High Seroprevalence of<i>Leptospira</i>Exposure in Meat Workers in Northern Mexico: A Case-Control Study
Notice bibliographique
Résumé
BACKGROUND: The seroepidemiology of Leptospira infection in workers occupationally exposed to raw meat has been poorly studied. This work aimed to determine the association between Leptospira exposure and the occupation of meat worker, and to determine the seroprevalence association with socio-demographic, work, clinical and behavioral characteristics of the meat workers studied. METHODS: We performed a case-control study in 124 meat workers and 124 age- and gender-matched control subjects in Durango City, Mexico. Sera of cases and controls were analyzed for anti-Leptospira IgG antibodies using a commercially available enzyme immunoassay. Data of meat workers were obtained with the aid of a questionnaire. The association of Leptospira exposure with the characteristics of meat workers was analyzed by bivariate and multivariate analyses. RESULTS: Anti-Leptospira IgG antibodies were found in 22 (17.7%) of 124 meat workers and in eight (6.5%) of 124 controls (OR = 3.12; 95% CI: 1.33 - 7.33; P = 0.006). Seroprevalence of Leptospira infection was similar between male butchers (17.6%) and female butchers (18.2%) (P = 1.00). Multivariate analysis of socio-demographic, work and behavioral variables showed that Leptospira exposure was associated with duration in the activity, rural residence, and consumption of snake meat and unwashed raw fruits. CONCLUSIONS: This is the first case-control study of the association of Leptospira exposure with the occupation of meat worker. Results indicate that meat workers represent a risk group for Leptospira exposure. Risk factors for Leptospira exposure found in this study may help in the design of optimal preventive measures against Leptospira infection.
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 | 0,021 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 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 ».