GloPID-R report on chikungunya, o'nyong-nyong and Mayaro virus, part 2: Epidemiological distribution of o'nyong-nyong virus
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.
Notice bibliographique
Résumé
The GloPID-R (Global Research Collaboration for Infectious Disease Preparedness) chikungunya (CHIKV), o'nyong-nyong (ONNV) and Mayaro virus (MAYV) Working Group has been established to identify gaps of knowledge about the natural history, epidemiology and medical management of infection by these viruses, and to provide adapted recommendations for future investigations. Here, we present a report dedicated to ONNV epidemiological distribution. Two large-scale ONNV outbreaks have been identified in Africa in the last 60 years, interspersed with sporadic serosurveys and case reports of returning travelers. The assessment of the real scale of ONNV circulation in Africa remains a difficult task and surveillance studies are necessary to fill this gap. The identification of ONNV etiology is made complicated by the absence of multiplex tools in co-circulation areas and that of reference standards, as well as the high cross-reactivity with related pathogens observed in serological tests, in particular with CHIKV. This is a specific obstacle for seroprevalence studies, that necessitate an improvement of serological tools to provide robust results. The scarcity of existent genetic data currently limits molecular epidemiology studies. ONNV epidemiology would also benefit from reinforced entomological and environmental surveillance. Finally, the natural history of the disease deserves to be further investigated, with a specific attention paid to long-term complications. Considering our incomplete knowledge on ONNV distribution, GloPID-R CHIKV, ONNV and MAYV experts recommend that a major effort should be done to fill existing gaps.
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 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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 découle