Peculiarities of the Epidemic Situation on West Nile Fever in the Territory of the Russian Federation in 2018 and Forecast of its Development in 2019
Notice bibliographique
Résumé
The epidemic rise in the incidence of West Nile fever (WNF) in the season of 2018 was observed in the countries of the European Union (EU) and bordering states and exceeded the values of all previously recorded epidemic rises of 2010–2012. An increase in the incidence rate was registered in the USA and Canada, however, it did not exceed the indicators of epidemic rises of 2007–2012. In the territory of the Russian Federation, the WNF epidemiological process became more intense mainly in the territory of the Southern and North Caucasian Federal Districts. In general, in Russia, the incidence rates were 2 times lower than the average annual rates, but significantly exceeded those of 2017. The epidemic process had a number of peculiarities in the seasonality, the structure of morbidity and the clinical manifestation of WNF. Genotyping of the isolated WNV RNA fragments from clinical and biological material showed that I, II and IV West Nile virus genotypes were circulating in the European part of Russia. Forecast of epidemic situation development in 2019 reveals further increase in the incidence and does not exclude the possibility of a significant localincrease of WNF incidence in certain regions of Russia.
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 | 0,001 | 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 | 0,000 |
| 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 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 ».