Correlations Between Environmental Factors and Increasing Lyme Disease Incidence in Canada
Notice bibliographique
Résumé
Abstract Background Lyme disease (LD) is an emerging infectious disease in Canada due to northward expansion of the geographic range of Ixodes scapularis, the principal tick vector for the LD agent Borrelia burgdorferi, into central and eastern Canada. This study aims to i) summarize the surveillance data for LD cases reported in Canada between 2009 and 2015, ii) identify potential environmental risk factors and iii) develop an acarological risk indicator from passive surveillance for occurrence of human cases. Methods We described the distribution, trends, demographic and clinical characteristics of cases of the disease. Logistic regression models were used to identify risk factors for the occurrence of LD: 1) demographic (age and sex), and 2) environmental (type of forest cover, temperature and abundance of ticks). Passive surveillance data were used to develop an acarological indicator of at-risk areas for LD. Results The number of reported LD cases increased more than six-fold overall, from 144 cases in 2009 to 917 cases in 2015, mainly due to locally acquired infections. LD incidence in Nova Scotia has risen sharply since 2013 and was the highest in Canada over the study period. Children below 15 years and adults of the 55–74 age groups reported highest incidence. Significantly more men than women were infected and men had significantly more symptoms of late disseminated LD than women. Variability in clinical manifestations is observed between provinces, years, for children below 15 years and between age groups. The majority of cases were reported between April and November and there was an increase in risk areas. The abundance of Ixodes scapularis ticks collected on humans and deciduous forest cover were significantly associated with the occurrence of LD cases at the municipality scale. Passive surveillance provides a cost-effective alert tool for public health authorities to timely identify risk areas and target vulnerable populations and front-line health professionals by means of awareness campaigns. Conclusion These findings showed that LD continues to increase in Canada, both over time and geographically, underlining the need to implement better preventive strategies, early disease recognition and treatment and efficient surveillance systems. Disclosures All authors: No reported disclosures.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».