Identifying sources, pathways and risk drivers in ecosystems of Japanese Encephalitis in an epidemic-prone north Indian district
Notice bibliographique
Résumé
Japanese Encephalitis (JE) has caused repeated outbreaks in endemic pockets of India. This study was conducted in Kushinagar, a highly endemic district, to understand the human-animal-ecosystem interactions, and the drivers that influence disease transmission. Utilizing the ecosystems approach, a cross-sectional, descriptive study, employing mixed methods design was employed. Four villages (two with pig-rearing and two without) were randomly selected from a high, a medium and a low burden (based on case counts) block of Kushinagar. Children, pigs and vectors were sampled from these villages. A qualitative arm was incorporated to explain the findings from the quantitative surveys. All human serum samples were screened for JE-specific IgM using MAC ELISA and negative samples for JE RNA by rRT-PCR in peripheral blood mononuclear cells. In pigs, IgG ELISA and rRT-PCR for viral RNA were used. Of the 242 children tested, 24 tested positive by either rRT-PCR or MAC ELISA; in pigs, 38 out of the 51 pigs were positive. Of the known vectors, Culex vishnui was most commonly isolated across all biotopes. Analysis of 15 blood meals revealed human blood in 10 samples. Univariable analysis showed that gender, religion, lack of indoor residual spraying of insecticides in the past year, indoor vector density (all species), and not being vaccinated against JE in children were significantly associated with JE positivity. In multivariate analysis, only male gender remained as a significant risk factor. Based on previous estimates of symptomatic: asymptomatic cases of JE, we estimate that there should have been 618 cases from Kushinagar, although only 139 were reported. Vaccination of children and vector control measures emerged as major control activities; they had very poor coverage in the studied villages. In addition, lack of awareness about the cause of JE, lack of faith in the conventional medical healthcare system and multiple referral levels causing delay in diagnosis and treatment emerged as factors likely to result in adverse clinical outcomes.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».