Lyme Disease Surveillance Using Sampling Estimation: Evaluation of an Alternative Methodology in New York State
Notice bibliographique
Résumé
In the 14-year period from 1993 to 2006, New York State (NYS) accounted for over one-quarter (27.1%) of all confirmed Lyme disease (LD) cases in the United States. During that time period, a nine-county area in south-east NYS accounted for 90.6% of the reported LD cases in the state. Based on concerns related to diminishing resources at both the state and local level and the increasing burden of traditional LD surveillance, the NYS Department of Health (DOH) sought to develop an alternative to traditional surveillance that would reduce the investigative workload while maintaining the ability to track LD trends by developing a system to estimate county-level LD cases based on a 20% random sample of positive laboratory reports. Estimates from this system were compared to observed cases from traditional surveillance for select counties in 2007-2009 and 2011. There were no significant differences between the two methodologies in six of nine evaluations conducted. In addition, in 93 of 98 (94.9%) demographic, symptom and other variable proportion comparisons made between the two methodologies in 2009 and 2011, there were no significant differences found. Overall, using sampling estimates was accurate and efficient in estimating LD cases at the county level. Use of case estimates for LD should be considered as a useful surveillance alternative by health policy makers for states with endemic LD.
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 | 0,002 | 0,001 |
| 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 ».