Spatial Determinants of Ebola Virus Disease Risk for the West African Epidemic
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
INTRODUCTION: Although many studies have investigated the probability of Ebola virus disease (EVD) outbreaks while other studies have simulated the size and speed of EVD outbreaks, few have investigated the environmental and population-level predictors of Ebola transmission once an outbreak is underway. Identifying strong predictors of transmission could help guide and target limited public health resources during an EVD outbreak. We examined several environmental and population-level demographic predictors of EVD risk from the West African epidemic. METHODS: We obtained district-level estimates from the World Health Organization EVD case data, demographic indicators obtained from the Demographic and Health surveys, and satellite-derived temperature, rainfall, and land cover estimates. A Bayesian hierarchical Poisson model was used to estimate EVD risk and to evaluate the spatial variability explained by the selected predictors. RESULTS: We found that districts had greater risk of EVD with increasing proportion of households not possessing a radio (RR 2.79, 0.90-8.78; RR 4.23, 1.16-15.93), increasing rainfall (RR 2.18; 0.66-7.20; 5.34, 1.20-23.90), and urban land cover (RR 4.87, 1.56-15.40; RR 5.74, 1.68-19.67). DISCUSSION: The finding of radio ownership and reduced EVD transmission risk suggests that the use of radio messaging for control and prevention purposes may have been crucial in reducing the EVD transmission risk in certain districts, although this association requires further study. Future research should examine the etiologic relationships between the identified risk factors and human-to-human transmission of EVD with a focus on factors related to population mobility and healthcare accessibility, which are critical features of epidemic propagation and control.
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 | 0,000 | 0,002 |
| 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 découle