Nipah virus epidemic in southern India and emphasizing “One Health” approach to ensure global health security
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Nipah virus (NiV) encephalitis first reported in "Sungai Nipah" in Malaysia in 1999 has emerged as a global public health threat in the Southeast Asia region. From 1998 to 2018, more than 630 cases of NiV human infections were reported. NiV is transmitted by zoonotic (from bats to humans, or from bats to pigs, and then to humans) as well as human-to-human routes. Deforestation and urbanization of some areas have contributed to greater overlap between human and bat habitats resulting in NiV outbreaks. Common symptoms of NiV infection in humans are similar to that of influenza such as fever and muscle pain and in some cases, the inflammation of the brain occurs leading to encephalitis. The recent epidemic in May 2018 in Kerala for the first time has killed over 17 people in 7 days with high case fatality and highlighted the importance of One Health approach. The diagnosis is often not suspected at the time of presentation and creates challenges in outbreak detection, timely control measures, and outbreak response activities. Currently, there are no drugs or vaccines specific for NiV infection although this is a priority disease on the World Health Organization's agenda. Antivirals (Ribavirin, HR2-based fusion inhibitor), biologicals (convalescent plasma, monoclonal antibodies), immunomodulators, and intensive supportive care are the mainstay to treat severe respiratory and neurologic complications. There is a great need for strengthening animal health surveillance system, using a One Health approach, to detect new cases and provide early warning for veterinary and human public health authorities.
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.
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 | 0,000 |
| 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 | 0,000 |
| 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 découle