Transmission center and driving factors of hand, foot, and mouth disease in China: A combined analysis
Notice bibliographique
Résumé
Hand, foot, and mouth disease (HFMD) has become a major public health issue in China.The disease incidence varies substantially over time and across space.To understand the heterogeneity of HFMD transmission, we compare the spatiotemporal dynamics of HFMD in Qinghai and Shanghai by conducting combined analysis of epidemiological, wavelet time series, and mathematical methods to county-level data from 2009 to 2016.We observe hierarchical epidemic waves in Qinghai, emanating from Huangzhong and in Shanghai from Fengxian.Besides population, we also find that the traveling waves are significantly associated with socio-economic and geographical factors.The population mobility also varies between the two regions: long-distance movement in Qinghai and between-neighbor commuting in Shanghai.Our findings provide important evidence for characterizing the heterogeneity of HFMD transmission and for the design and implementation of interventions, such as deploying optimal vaccine and changing local driving factors in the transmission center, to prevent or limit disease spread in these areas. Author summaryHand, foot, and mouth disease (HFMD) has been a concern in Asian regions since the late 1990s.To disclose the transmission mechanism of HFMD and its driving factors, we combined epidemiological, spatial, and mathematical analysis, using HFMD cases in two provinces (Qinghai and Shanghai) of China as an example.We found the phenomenon of
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».