Mapping clusters of chikungunya and dengue transmission in northern Tanzania using disease exposure and vector data
Notice bibliographique
Résumé
Background: Dengue and chikungunya are mosquito-borne viral diseases that are of public health importance throughout the tropical and subtropical regions of the world. Seasonal variations in transmission of these viruses have been suggested owing to the ecology of their mosquito vectors. However, little is known about the epidemiology of the diseases Tanzania. To address this gap, seasonal community-based cross-sectional surveys were undertaken to identify potential clusters of transmission in Hai district in northern Tanzania.Methods: Epidemiological and entomological data from two cross-sectional surveys were used to examine the spatial pattern of dengue and chikungunya transmission. Six villages namely, Boma Ng’ombe, Magadini, Rundugai, Nshara and Kware were involved in the study. Serological measures of dengue and chikungunya virus infections were derived using enzyme-linked immunosorbent assays, and all participants were geo-referenced to the household level using a global positioning system. Potential clusters of individual exposed to dengue and chikungunya virus , as well as clusters of Aedes mosquitoes in the wet and dry seasons were detected using SaTScan. All significant clusters (with p≤0.05) were mapped using ArcGIS.Results: A large, widely dispersed cluster of chikungunya exposed individuals was detected spanning Rundugai and parts of Magadini villages (RR = 2.58, p= 0.01), while no significant clustering was observed in the dry season. Spatial clusters of Aedes aegypti were detected in Rundugai in both the wet and dry seasons (RR = 2.56, p< 0.001 and RR = 2.24, p=0.05, respectively). In the dry season a small cluster was also detected in Kware (RR = 2.25, p=0.05). No significant clusters of dengue were detected in both seasons.Conclusion: Clusters of chikungunya-exposed individuals and Aedes mosquitoes indicate on-going transmission of chikungunya virus in Hai district of northern Tanzania.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».