Evaluating the frequency of asymptomatic Ebola virus infection
Notice bibliographique
Résumé
The potential for asymptomatic infection from Ebola viruses has long been questioned. Knowing the proportion of infections that are asymptomatic substantially changes the predictions made by mathematical models and alters the corresponding decisions based upon these models. To assess the degree of asymptomatic infection occurring during an Ebola virus disease (EVD) outbreak, we carried out a serological survey in the Djera district of the Equateur province of the Democratic Republic of the Congo affected by an Ebola outbreak in 2014. We sampled all asymptomatic residents ( n = 182) of 48 households where at least one case of EVD was detected. To control for potential background seroprevalence of Ebola antibodies in the population, we also sampled 188 individuals from 92 households in an unaffected area with a similar demographic background. We tested the sera collected for anti-Ebola IgG and IgM antibodies at four different dilutions. We then developed a mixture model to estimate the likely number of asymptomatic patients who developed IgM and IgG responses to Ebola antigens in both groups. While we detected an association between medium to high titres and age, we did not detect any evidence of increased asymptomatic infection in the individuals who resided in the same household as cases. This article is part of the themed issue ‘The 2013–2016 West African Ebola epidemic: data, decision-making and disease 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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».