Human respiratory syncytial virus and influenza seasonality patterns—Early findings from the WHO global respiratory syncytial virus surveillance
Notice bibliographique
Résumé
BACKGROUND: Human respiratory syncytial virus (RSV) causes illnesses among all age groups and presents a burden to healthcare services. To better understand the epidemiology and seasonality of RSV in different geographical areas, the World Health Organization (WHO) coordinated a pilot initiative to access the feasibility of establishing RSV surveillance using the existing Global Influenza Surveillance and Response System (GISRS) platform. OBJECTIVES: To describe and compare RSV and influenza seasonality in countries in the northern andsouthern temperate, and tropics during the period January 2017 to April 2019. METHODS: Fourteen countries in six WHO regions participating in the GISRS were invited for the pilot. Hospitalized patients presenting with severe acute respiratory illness (SARI), SARI without fever and outpatients presenting with acute respiratory illness (ARI) were enrolled from January 2017 to April 2019. The expected minimum sample size was 20 samples per week, year-round, per country. Real-time RT-PCR was used to detect RSV and influenza viruses. Results were uploaded to the WHO FluMart platform. RESULTS: Annual seasonality of RSV was observed in all countries, which overlapped to a large extent with the influenza activity. In countries, in temperate regions RSV peaked in the autumn/winter months. In Egypt, a subtropical country, RSV activity peaked in the cooler season. In the tropical regions, RSV peaked during the rainy seasons. CONCLUSION: Early findings from the WHO RSV surveillance pilot based on the GISRS suggest annual seasonal patterns for of RSV circulation that overlap with influenza. RSV surveillance needs to be continued for several more seasons to establish seasonality patterns to inform prevention and control strategies.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».