Summary of available surveillance data on hepatitis C virus infection from eight Arctic countries, 2012 to 2014
Notice bibliographique
Résumé
We summarised available hepatitis C virus (HCV) surveillance data for 2012-14 from Arctic/sub-Arctic countries/regions. We sent a HCV data collection template by email to public health authorities in all jurisdictions. Population statistics obtained from census sources for each country were used to estimate rates of reported acute and chronic/undifferentiated HCV cases. Seven countries with Arctic regions (Canada, Denmark, Finland, Greenland, Norway, Sweden and the United States, represented by the state of Alaska), including three Canadian territories and one province, as well as 11 Russian subnational Arctic regions, completed the data collection template. Data on acute HCV infection during 2014 was available from three Arctic countries and all Russian Arctic regions (rate range 0/100,000 population in Greenland, as well as Nenets and Chukotka Automous Okrugs (Russian subnational Arctic regions) to 3.7/100,000 in the Russian Republic of Komi). The rate of people with chronic/undifferentiated HCV infection in 2014 ranged from 0/100,000 in Greenland to 171.2/100,000 in Alaska. In most countries/regions, the majority of HCV-infected people were male and aged 19-64 years. Differences in surveillance methods preclude direct comparisons of HCV surveillance data between Arctic countries/regions. Our data can inform future efforts to develop standardised approaches to HCV surveillance in the Arctic countries/regions by identifying similarities/differences between the surveillance data collected.
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 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,009 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».