High Prevalence and Diversity of Hepatitis Viruses in Suspected Cases of Yellow Fever in the Democratic Republic of Congo
Notice bibliographique
Résumé
ABSTRACT The majority of patients with acute febrile jaundice (>95%) identified through a yellow fever surveillance program in the Democratic Republic of Congo (DRC) test negative for antibodies against yellow fever virus. However, no etiological investigation has ever been carried out on these patients. Here, we tested for hepatitis A (HAV), hepatitis B (HBV), hepatitis C (HCV), hepatitis D (HDV), and hepatitis E (HEV) viruses, all of which can cause acute febrile jaundice, in patients included in the yellow fever surveillance program in the DRC. On a total of 498 serum samples collected from suspected cases of yellow fever from January 2003 to January 2012, enzyme-linked immunosorbent assay (ELISA) techniques were used to screen for antibodies against HAV (IgM) and HEV (IgM) and for antigens and antibodies against HBV (HBsAg and anti-hepatitis B core protein [HBc] IgM, respectively), HCV, and HDV. Viral loads and genotypes were determined for HBV and HVD. Viral hepatitis serological markers were diagnosed in 218 (43.7%) patients. The seroprevalences were 16.7% for HAV, 24.6% for HBV, 2.3% for HCV, and 10.4% for HEV, and 26.1% of HBV-positive patients were also infected with HDV. Median viral loads were 4.19 × 10 5 IU/ml for HBV (range, 769 to 9.82 × 10 9 IU/ml) and 1.4 × 10 6 IU/ml for HDV (range, 3.1 × 10 2 to 2.9 × 10 8 IU/ml). Genotypes A, E, and D of HBV and genotype 1 of HDV were detected. These high hepatitis prevalence rates highlight the necessity to include screening for hepatitis viruses in the yellow fever surveillance program in the DRC.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».