Investigation of Cholera Outbreak at Rawalpindi, Pakistan - August 2017
Notice bibliographique
Résumé
Background: Cholera is endemic in Pakistan with many outbreaks during the summer season. On July 29, 2017, two suspected cholera cases were reported from a tertiary care hospital in Rawalpindi. On the request of District Health Authorities, a team was constituted. Objective: To assess the magnitude of the outbreak, evaluate possible risk factors and recommend control measures. Methods: Investigation was carried out from Aug 01-15, 2017. Hospital records were reviewed, and active case-finding was conducted. A case was defined as sudden onset of loose watery stools (3 in past 24 hours) with any of the symptoms like vomiting, nausea, abdominal cramps or fever in a resident of Dhok-Paracha, Amarpura & Dhok-Chaudhriyan, Rawalpindi, from July 19-August 07, 2017. Age and sex-matched neighborhood controls were enrolled. Data was collected using a structured questionnaire. Four stool samples and three water samples were sent to National Institute of Health for microbiological analysis Results: A total of 30 cases with 02 deaths (CFR 2.2%) were identified out of which 28 cases were detected through active case-search. There was a male predominance (n=20, 66%) with mean age of 13.7 years (range: 02 months-55 years). Overall AR was 0.68% with 16-20 years being the most severely affected age group (AR 1.8%). Out of 30 cases, 14 were consuming well-water (OR 10.37, 95% CI 3.61-29.74) and 12 were consuming tap water (OR 3.94, 95% CI 1.54-10.08). Water samples showed presence of coliforms (240 CFU/100 ml). Vibrio Cholera Serotype Inaba isolated from stool samples. Heavy rainfall was recorded (455.5 ml) from June 26 to August 6, 2017. Conclusions: Consumption of contaminated water was the most probable cause of the outbreak. Contamination of water sources during recent flash floods was the source of contamination. Chlorination of water sources was conducted. Health awareness sessions on safe drinking water were conducted in the community.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».