Identifying the environmental drivers of Campylobacter infection risk in southern Ontario, Canada using a One Health approachs
Notice bibliographique
Résumé
BACKGROUND: Campylobacter bacteria infect both humans and animals. Sources of human exposure include contaminated food and water, contact with animals and/or their faeces, and contact with infected individuals. The objectives of this study were to: (a) identify environmental conditions associated with the occurrence of Campylobacter in humans in four regions of Ontario, and (b) identify pooled measures of effect across all four regions and potential sources of heterogeneity. METHODS: To address objective 1, human Campylobacter cases from four health regions of Ontario, Canada were analysed using negative binomial regression and case cross-over analysis to identify relationships between environmental factors (temperature, precipitation and hydrology of the local watershed) and the risk of human infection. To address objective 2, meta-analytic models were used to explore pooled measures of effect and when appropriate, meta-regression models were used to explore potential sources of heterogeneity. RESULTS: Human incidence exhibited strong seasonality with cases peaking in the late spring and summer. There was a decreasing yearly effect in three of the four health regions. A significant pooled effect was found for mean temperature after a 1-week lag (OR = 1.03, 95% CI 1.02, 1.04). No significant pooled effects were found for precipitation or water flow. However, increased precipitation was associated with lower odds of campylobacteriosis in Wellington and York regions at 2- and 3-week lags, respectively, from the case cross-over analysis. CONCLUSION: These results demonstrate that a climatic factor (specifically, mean temperature in the week prior) was associated with human case occurrence after a biologically plausible time period, but hydrologic factors are not.
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 ».