The Spatial–Temporal Trend Analysis of Schistosomiasis from 1997 to 2010 in Anhui Province, Eastern China
Notice bibliographique
Résumé
Schistosomiasis is still prevalent in some parts of China. A shift in strategy from morbidity control to elimination has led to great strides in the past several decades. The objective of this study was to explore the spatial and temporal characteristics of schistosomiasis in Anhui, an eastern province of China. In this study, township-based parasitological data were collected from annual cross-sectional surveys during 1997–2010. The kernel k -means method was used to identify spatial clusters of schistosomiasis, and an empirical mode decomposition technique was used to analyze the temporal trend for Schistosoma japonicum in each clustered region. Overall, the prevalence of schistosomiasis remained at a low level except for the resurgence in 2005. According to the Caliński–Harabas index, all the townships were classified into three different clusters (median prevalence: 3.6 per 10,100, 1.8 per 10,000 and 1.7 per 10,000), respectively representing high-, median-, and low-risk clusters. There was an increasing tendency observed for the disease over time. The prevalence increased rapidly from 2003 to 2005, peaked in 2006, and then decreased afterward in the high-risk cluster. A moderate increase was observed in the median-risk cluster from 1998 to 2006, but there was an obvious decreasing tendency in the low-risk cluster after the year 2000. The spatial and temporal patterns of schistosomiasis were nonsynchronous across the three clusters. Disease interventions may be adjusted according to the risk levels of the clusters.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».