MétaCan
Menu
Retour à la cohorte
Enregistrement W2291151965 · doi:10.1155/2016/8713924

Seasonality Impact on the Transmission Dynamics of Tuberculosis

2016· article· en· W2291151965 sur OpenAlexafffund
Yali Yang, Chenping Guo, Luju Liu, Tianhua Zhang, Weiping Liu

Notice bibliographique

RevueComputational and Mathematical Methods in Medicine · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueMathematical and Theoretical Epidemiology and Ecology Models
Établissements canadiensYork University
Organismes subventionnairesChina Postdoctoral Science FoundationNational Natural Science Foundation of ChinaInternational Development Research Centre
Mots-clésSeasonalityBasic reproduction numberEpidemic modelTuberculosisTransmission (telecommunications)Extinction (optical mineralogy)ReproductionDisease transmissionIncidence (geometry)DemographyStatisticsMathematicsBiologyMedicineEcologyVirologyComputer sciencePopulation

Résumé

récupéré en direct d'OpenAlex

The statistical data of monthly pulmonary tuberculosis (TB) incidence cases from January 2004 to December 2012 show the seasonality fluctuations in Shaanxi of China. A seasonality TB epidemic model with periodic varying contact rate, reactivation rate, and disease-induced death rate is proposed to explore the impact of seasonality on the transmission dynamics of TB. Simulations show that the basic reproduction number of time-averaged autonomous systems may underestimate or overestimate infection risks in some cases, which may be up to the value of period. The basic reproduction number of the seasonality model is appropriately given, which determines the extinction and uniform persistence of TB disease. If it is less than one, then the disease-free equilibrium is globally asymptotically stable; if it is greater than one, the system at least has a positive periodic solution and the disease will persist. Moreover, numerical simulations demonstrate these theorem results.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,067
Tête enseignante GPT0,442
Écart entre enseignants0,375 · 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

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations23
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueComputational and Mathematical Methods in MedicineMême sujetMathematical and Theoretical Epidemiology and Ecology ModelsTravaux en français237 207