Enteric disease episodes and the risk of acquiring a future sexually transmitted infection: a prediction model in Montreal residents
Notice bibliographique
Résumé
OBJECTIVE: The sexual transmission of enteric diseases poses an important public health challenge. We aimed to build a prediction model capable of identifying individuals with a reported enteric disease who could be at risk of acquiring future sexually transmitted infections (STIs). MATERIALS AND METHODS: Passive surveillance data on Montreal residents with at least 1 enteric disease report was used to construct the prediction model. Cases were defined as all subjects with at least 1 STI report following their initial enteric disease episode. A final logistic regression prediction model was chosen using forward stepwise selection. RESULTS: The prediction model with the greatest validity included age, sex, residential location, number of STI episodes experienced prior to the first enteric disease episode, type of enteric disease acquired, and an interaction term between age and male sex. This model had an area under the curve of 0.77 and had acceptable calibration. DISCUSSION: A coordinated public health response to the sexual transmission of enteric diseases requires that a distinction be made between cases of enteric diseases transmitted through sexual activity from those transmitted through contaminated food or water. A prediction model can aid public health officials in identifying individuals who may have a higher risk of sexually acquiring a reportable disease. Once identified, these individuals could receive specialized intervention to prevent future infection. CONCLUSION: The information produced from a prediction model capable of identifying higher risk individuals can be used to guide efforts in investigating and controlling reported cases of enteric diseases and STIs.
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 | 0,003 | 0,004 |
| 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 ».