Estimation of Zika virus prevalence by appearance of microcephaly
Notice bibliographique
Résumé
BACKGROUND: There currently is a severe Zika Virus (ZIKV) epidemic in Brazil and other South American countries. Due to international travel, this poses severe public health risk of ZIKV importation to other countries. We estimate the prevalence of ZIKV in an import region by the time a microcephaly case is detected, since microcephaly is presently the most significant indication of ZIKV presence. METHODS: We establish a mathematical model to describe ZIKV spread from a source region to an import region. This model incorporates both vector transmission (between humans and mosquitoes) and sexual transmission (from males to females). We take account of population structure through a contact network for sexually active individuals. Parameter values of our model are either taken from the literature or estimated from travel data. RESULTS: This model gives us the probability distribution of time until detection of the first microcephaly case. Based on current field observations, our results also indicate that the percentage of infected pregnant women that results in fetal abnormalities is more likely to be on the smaller end of the 1%-30% spectrum that is currently hypothesized. Our model predicts that for import regions with at least 250,000 people, on average 1,000-12,000 will have been infected by the time of the first detection of microcephaly, and on average 200-1,500 will be infectious at this time. Larger population sizes do not significantly change our predictions. CONCLUSIONS: By the first detection of a microcephaly case, a sizable fraction of the population will have been infected by ZIKV. It is thus clear that adequate surveillance, isolation, and quarantine are needed in susceptible import regions to stop the dissemination of a Zika epidemic.
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 | 0,000 | 0,000 |
| 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 ».