Prevalence and associated factors of Treponema pallidum infection in a rural area of southwestern China
Notice bibliographique
Résumé
BACKGROUND: Epidemiological data on Treponema pallidum infection are scarce from the southwestern region of China. The purpose of this study was to determine the distribution and determinants of T. pallidum infection in the region. METHODS: A community-based cross-sectional study of 2608 participants aged ≥14 years was conducted in a rural area of southwestern China in 2014-15. A pretested questionnaire was used to collect sociodemographic characteristics and other factors associated with T. pallidum infection. The diagnoses of T. pallidum, human immunodeficiency virus (HIV), hepatitis B virus (HBV) and hepatitis C virus (HCV) infections were determined by commercial test kits. Logistic regression analysis was used to determine the correlates for T. pallidum infection, and adjusted odds ratios (aORs) and 95% confidence intervals (CIs) were calculated. RESULTS: The prevalence of T. pallidum infection was 1.2% (95% CI 0.8 to 1.7%). Risk factors varied by gender. In the male group, T. pallidum infection was significantly associated with ever injection drug use (aOR = 9.42, 95% CI 2.47 to 35.87) and HCV infection (aOR = 13.28, 95% CI 3.20 to 51.70). In the female group, correlates for T. pallidum infection included spouse having syphilis (aOR = 126.66, 95% CI 7.58 to 2122.94), ever having blood transfusion (aOR = 10.51, 95% CI 1.58 to 41.21) and HBV infection (aOR = 4.19, 95% CI 1.35 to 10.93). CONCLUSIONS: The prevalence of T. pallidum infection was high in the rural area of southwestern China. Correlates for T. pallidum infection varied with sex specific. Intervention should be developed for the prevention and control of T. pallidum infection.
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 | 0,001 |
| 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 ».