The Burden of Typhoid Fever in South Africa: The Potential Impact of Selected Interventions
Notice bibliographique
Résumé
Typhoid fever is notifiable in South Africa but clinical notification is notoriously poor. South Africa has an estimated annual incidence rate of 0.1 cases per 100,000 population of culture-confirmed typhoid fever, decreased from 17 cases per 100,000 population in the 1980s. This work was undertaken to identify the reasons for this decrease and identify potential weaknesses that may result in an increase of observed cases. Culture-confirmed cases, with additional demographic and clinical data have been collected from selected sentinel sites since 2003. Data on contextual factors (gross domestic product [GDP], sanitation, female education, and childhood diarrhea mortality) were collected. National incidence rates of culture-confirmed typhoid fever have remained constant for the past 13 years, with the exception of an outbreak in 2005: incidence was 0.4 per 100,000 population. Paratyphoid fever remains a rare disease. Antimicrobial susceptibility data suggest resistance to ciprofloxacin and azithromycin is emerging. The South African population increased from 27.5 million in 1980 to 55.0 million in 2015: urbanization increased from 50% to 65%, GDP increased from United States Dollar (USD) $2,910 to USD $6,167, access to sanitation improved from 64.4% to 70.0% in the urban population and 26.4% to 60.5% in rural areas. Female literacy levels improved from 74.8% to 92.6% over the period. Improved socioeconomic circumstances in South Africa have been temporally associated with decreasing incidence rates of typhoid fever over a 35-year period. Ongoing challenges remain including potential for large outbreaks, a large immigrant population, and emerging antimicrobial resistance. Continued active surveillance is mandatory.
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) | 0,000 | 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 ».