Burden of dengue among febrile patients at the time of chikungunya introduction in Piedecuesta, Colombia
Notice bibliographique
Résumé
OBJECTIVE: To estimate the age-specific incidence of symptomatic dengue and chikungunya in Colombia. METHOD: A passive facility-based fever surveillance study was conducted among individuals with undifferentiated fever. Confirmatory diagnostics included serological and molecular tests in paired samples, and surveillance's underreporting was assessed using capture-recapture methods. RESULTS: Of 839 febrile participants 686 completed the study. There were 33.2% (295/839) dengue infections (51% primary infections), and 35.9% (191/532) of negative dengue cases there were chikungunya cases. On average, dengue cases were younger (median = 18 years) than chikungunya cases (median = 25 years). Thrombocytopaenia and abdominal pain were the main dengue predictors, while presence of rash was the main predictor for chikungunya diagnosis. Underreporting of dengue was 31%; the estimated expansion factors indicate an underreporting rate of dengue cases of threefold for all cases and of almost sixfold for inpatients. CONCLUSIONS: These findings highlight the ongoing coexistence of both arboviruses, a distinct clinical profile of each condition in the study area that could be used by clinicians to generate a differential diagnosis, and the presence of underreporting, mostly among hospitalised cases.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».