Informing source attribution of enteric disease: An analysis of public health inspectors’ opinions on the “most likely source of infection”
Notice bibliographique
Résumé
Enteric illness continues to place a significant burden on the health of Canadians. To reduce this burden and establish effective prevention and intervention practices, the sources of these infections need to be understood. Multiple methods have been used to examine source attribution. This study presents a unique method for examining source attribution and enteric disease risk factors within a Canadian community. Open text data from 2006 to 2010 were analyzed on the “most likely source of infection” (MLSI) identified by public health inspectors (PHIs), investigating sporadic endemic cases of enteric illness in the Region of Waterloo, Ontario. The MLSI data were classified under nine categories and analyzed using five disease groups consisting of overall enteric disease, campylobacteriosis, salmonellosis, verotoxigenic Escherichia coli (VTEC) infection, and parasitic disease. Food was the most frequently reported MLSI for overall enteric disease (26.1%), salmonellosis (41.1%), and VTEC infection (31.3%). Animal and water exposure were the most frequently reported MLSI for campylobacteriosis (26.2%) and parasitic disease (45.8%), respectively. Food safety practices were more frequently implicated as the source of infection for salmonellosis (17.7%) and campylobacteriosis (12.6%), compared with verotoxigenic Escherichia coli (VTEC) infection (6.3%) and parasitic disease (1.0%). The category unpasteurized was the third most frequent MLSI for campylobacteriosis (12.6%), along with food safety practices (12.6%). The analysis of PHIs’ opinions on the MLSI of enteric disease is a valuable method to inform source attribution. The enhanced Canada's National Integrated Enteric Pathogen Surveillance Program (C-EnterNet) standardized questionnaires provided an important source of data to complete this analysis. The results from this study can be used to generate hypotheses for future studies and inform public health policy and practice at the local, provincial, and national levels to reduce the burden of enteric illness in Canada.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».