Do contamination of and exposure to chicken meat and water drive the temporal dynamics of<i>Campylobacter</i>cases?
Notice bibliographique
Résumé
Campylobacteriosis, the most frequent bacterial enteric disease, shows a clear yet unexplained seasonality. The study purpose was to explore the influence of seasonal fluctuation in the contamination of and in the behaviour exposures to two important sources of Campylobacter on the seasonality of campylobacteriosis. Time series analyses were applied to data collected through an integrated surveillance system in Canada in 2005-2010. Data included sporadic, domestically-acquired cases of Campylobacter jejuni infection, contamination of retail chicken meat and of surface water by C. jejuni, and exposure to each source through barbequing and swimming in natural waters. Seasonal patterns were evident for all variables with a peak in summer for human cases and for both exposures, in fall for chicken meat contamination, and in late fall for water contamination. Time series analyses showed that the observed campylobacteriosis summer peak could only be significantly linked to behaviour exposures rather than sources contamination (swimming rather than water contamination and barbequing rather than chicken meat contamination). The results indicate that the observed summer increase in human cases may be more the result of amplification through more frequent risky exposures rather than the result of an increase of the Campylobacter source contamination.
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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».