Hepatitis C Virus in mainland China with an emphasis on genotype and subtype distribution
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Due to the low fidelity of the RNA-dependent RNA polymerase, Hepatitis C virus (HCV) mutates quite frequently. There are seven genetically divergent genotypes (GTs) distributed in the world, each of which contains several closely related subtypes. The peer-reviewed literatures reporting the prevalence rate of HCV GTs in Chinese hospitalized patients were identified by systematic searching of three electronic databases, and the prevalence rates were pooled through 137 qualified studies. The significant difference between HCV GT and HCV viral load and severity of hepatitis were analyzed under Chi-squared or Fisher's exact test. Data from epidemiological studies on hospitalized patients demonstrated that HCV GTs 1-6 have been found in China, of which 1b (62.78%(95% CI: 59.54-66.02%)) and 2a (17.39% (95% CI: 15.67-19.11%)) are the two predominant subtypes. HCV GTs and subtypes exhibits significant regional divergence. In North, Northwest, Northeast, East (except Jiangxi province) and Central China (except Hunan province), HCV-1b, 2a remain the two predominant subtypes; South China shows the most abundant genetic diversity that 14 subtypes were found, and HCV-3 in the Southwest China remains higher prevalent subtype than the other regions. In addition, co-infection in Liaoning province of Northeast China is the most diverse with 10 co-infection types, and Tibet has the highest rate of co-infection. The associations between HCV GTs and patients group, severity of illness and antiviral treatment efficacy were also discussed in this review.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 | 0,002 |
| 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 découle