Typhoid Fever in Chile 1969–2012: Analysis of an Epidemic and Its Control
Notice bibliographique
Résumé
in 1983). In 1983-1984, interventions were implemented focusing on person-to-person transmission (vaccination, food handlers' control, and mass communication) and regulations to control irrigation waters containing fecal contaminates. In 1991, a second intervention was quickly implemented to avoid the cholera epidemic affecting neighboring countries (total prohibition of growing or selling crops in the MR). We explored the potential impact of these interventions on the epidemic. We created a yearly database of the MR TF cases, population, and contextual factors of TF from 1969 to 2012. We first analyzed the epidemic (Joinpoint regression), identified predictors of TF (Poisson multiple regression), and then analyzed the effect of the interventions (interrupted time series model). The main predictor of the TF epidemic was the rate of unemployment. In relation to the 1983-1984 person-to-person interventions, TF came down by 51% (95% confidence interval [CI]: 30.2-65.0%) and continued to decrease at a rate of 10.4% (95% CI: 5.8-15.6%) per year until 1991. In 1991, with the strong environmental control of the sewage-irrigated crops, TF further decreased by 77% (95% CI: 69.0-83.1%) and continued decreasing thereafter at 13% (95% CI: 11.3-15.6%) per year until the end of the study period. Today, 40 years after the epidemic, TF is a rare disease in the MR of Chile.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».