MétaCan
Menu
Retour à la cohorte
Enregistrement W2895993819 · doi:10.3390/healthcare6040125

Under-Detection of Lyme Disease in Canada

2018· article· en· W2895993819 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueHealthcare · 2018
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueVector-borne infectious diseases
Établissements canadiensSouth Health CampusUniversity of CalgaryMount Allison University
Organismes subventionnairesFondation canadienne de la maladie de LymeNatural Sciences and Engineering Research Council of Canada
Mots-clésLyme diseaseSerologyIncidence (geometry)DiseaseLYMEBorrelia burgdorferiMedicineTickBorreliaImmunologyVirologyAntibodyPathologyMathematics

Résumé

récupéré en direct d'OpenAlex

Lyme disease arises from infection with pathogenic Borrelia species. In Canada, current case definition for confirmed Lyme disease requires serological confirmation by both a positive first tier ELISA and confirmatory second tier immunoblot (western blot). For surveillance and research initiatives, this requirement is intentionally conservative to exclude false positive results. Consequently, this approach is prone to false negative results that lead to underestimation of the number of people with Lyme disease. The province of New Brunswick (NB), Canada, can be used to quantify under-detection of the disease as three independent data sets are available to generate an estimate of the true human disease prevalence and incidence. First, detailed human disease incidence is available for the US states and counties bordering Canada, which can be compared with Canadian disease incidence. Second, published national serology results and well-described sensitivity and specificity values for these tests are available and deductive reasoning can be used to query for discrepancies. Third, high-density tick and canine surveillance data are available for the province, which can be used to predict expected human Lyme prevalence. Comparison of cross-border disease incidence suggests a minimum of 10.2 to 28-fold under-detection of Lyme disease (3.6% to 9.8% cases detected). Analysis of serological testing predicts the surveillance criteria generate 10.4-fold under-diagnosis (9.6% cases detected) in New Brunswick for 2014 due to serology alone. Calculation of expected human Lyme disease cases based on tick and canine infections in New Brunswick indicates a minimum of 12.1 to 58.2-fold underestimation (1.7% to 8.3% cases detected). All of these considerations apply generally across the country and strongly suggest that public health information is significantly under-detecting and under-reporting human Lyme cases across Canada. Causes of the discrepancies between reported cases and predicted actual cases may include undetected genetic diversity of Borrelia in Canada leading to failed serological detection of infection, failure to consider and initiate serological testing of patients, and failure to report clinically diagnosed acute cases. As these surveillance criteria are used to inform clinical and public health decisions, this under-detection will impact diagnosis and treatment of Canadian Lyme disease patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,332

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,258
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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