Risk factors for viral hepatitis C infection in Rwanda: results from a nationwide screening program
Notice bibliographique
Résumé
BACKGROUND: The epidemiology and risk factors for hepatitis C virus (HCV) infection in Rwanda are not well known; however, this information is crucial to shaping the country's public health approach to hepatitis C control. METHODS: A HCV screening campaign was conducted in the general population in 24 districts previously identified to have a high HCV disease burden. At the time of sample collection, sociodemographic information and self-reported risk factors were collected. Bivariate and multivariate logistic regressions were conducted to assess risk factors independently associated with hepatitis C antibodies (HCVAb) seroprevalence. RESULTS: Out of a total of 326,263 individuals screened for HCVAb, 22,183 (6.8%) were positive. In multivariate analysis, risk factors identified as statistically associated with HCVAb Seroprevalence include history of traditional operation or scarification (OR = 1.09, 95% CI: 1.05-1.14), presence of viral hepatitis in the family (OR = 1.27, 95% CI: 1.15-1.40), widowed or separated/divorced (OR = 1.36, 95% CI: 1.26-1.47), Southern province (OR = 1.98, 95% CI: 1.88-2.08) and aged 65 years and older (OR = 4.86, 95% CI: 4.62-5.11). Ubudehe category 3 (OR = 0.97, 95% CI: 0.93-1.01) and participants using RAMA (Health insurances for employees of public and private sectors) insurance (OR = 0.76, 95% CI: 0.70-0.85) had lower odds of HCV seroprevalence. CONCLUSIONS: Our findings provide important information for Rwanda's strategy on prevention and case-finding. Future prevention interventions should aim to reduce transmission through targeted messaging around traditional healing practices and case-finding targeting individuals with a history of exposure or advanced age.
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 | 0,005 |
| 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 ».