Can Social Network Analysis Help Address the High Rates of Bacterial Sexually Transmitted Infections in Saskatchewan?
Notice bibliographique
Résumé
BACKGROUND: Saskatchewan has one of the highest rates of gonorrhea among the Canadian provinces-more than double the national rate. In light of these high rates, and the growing threat of untreatable infections, improved understanding of gonorrhea transmission dynamics in the province and evaluation of the current system and tools for disease control are important. METHODS: We extracted data from a cross-sectional sample of laboratory-confirmed gonorrhea cases between 2003 and 2012 from the notifiable disease files of the Regina Qu'Appelle Health Region. The database was stratified by calendar year, and social network analysis combined with statistical modeling was used to identify associations between measures of connection within the network and the odds of repeat gonorrhea and risk of coinfection with chlamydia at the time of diagnosis. RESULTS: Networks were highly fragmented. Younger age and component size were positively associated with being coinfected with chlamydia. Being coinfected, reporting sex trade involvement, and component size were all positively associated with repeat infection. CONCLUSIONS: This is the first study to apply social network analysis to gonorrhea transmission in Saskatchewan and contributes important information about the relationship of network connections to gonorrhea/chlamydia coinfection and repeat gonorrhea. This study also suggests several areas for change of systems-related factors that could greatly increase understanding of social networks and enhance the potential for bacterial sexually transmitted infection control in Saskatchewan.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».