Trends, seasonality and forecasts of pulmonary tuberculosis in Portugal
Notice bibliographique
Résumé
SETTING: Tuberculosis (TB) is a global public health concern. Surveillance programmes present invaluable epidemiological information regarding its temporal evolution, particularly for pulmonary tuberculosis (PTB), the most common form of TB and the one that presents the greatest challenge in public health. OBJECTIVES: To characterise, model and predict monthly incidence rates for PTB in Portugal disaggregated by high/low-incidence areas, sex and age groups. DESIGN: PTB monthly incidence rates were estimated based on PTB cases diagnosed in 2000-2010, disaggregated by population and geographic characteristics. Seasonal-trend LOESS (STL) decomposition was employed to model trend and seasonality. Seasonal autoregressive integrated moving average (SARIMA) models were fit to characterise series behaviour and forecast PTB monthly incidence rates. RESULTS: Overall, the time series showed a downward trend in and seasonality of PTB diagnosis, with a peak in March and a trough in December. The mean seasonal amplitude was consistently higher in high-incidence areas, in males and in adults aged 25-54 years. SARIMA models were found to adequately fit and forecast the time series, thus predicting trend and seasonal persistence. CONCLUSIONS: STL and SARIMA findings concurred and were accurate. Endemic PTB seems to be slowly declining and case diagnosis is likely seasonal, which can be expected to persist if past conditions continue.
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 | 0,001 | 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 ».