City sanitation and socioeconomics predict rat zoonotic infection across diverse neighbourhoods
Notice bibliographique
Résumé
Rat-associated zoonoses transmitted through faeces or urine are of particular concern for public health because environmental exposure in homes and businesses may be frequent and undetected. To identify times and locations with greater public health risks from rats, we investigated whether rat characteristics, environmental features, socioeconomic factors, or season could predict rat infection risk across diverse urban neighbourhoods. In partnership with a pest management company, we sampled rats in 13 community areas along an income gradient in Chicago, a large city where concern about rats has increased in recent years. We collected kidneys for Leptospira spp. testing and colon contents for aerobic bacteria such as Salmonella spp. and Escherichia coli. Of 202 sampled rats, 5% carried Leptospira spp. and 22% carried E. coli. Rats were significantly more likely to carry Leptospira spp. on blocks with more standing water complaints in higher-income neighbourhoods (OR = 6.74, 95% CI: 1.54-29.39). Rats were significantly more likely to carry E. coli on blocks with more food vendors (OR = 9.94, 2.27-43.50) particularly in low-income neighbourhoods (OR = 0.26, 0.09-0.82) and in the spring (OR = 15.96, 2.90-88.62). We detected a high diversity of E. coli serovars but none contained major virulence factors. These associations between environmental features related to sanitation and infection risk in rats support transmission through water for Leptospira spp. and faecal-oral transmission for E. coli. We also found opposing relationships between zoonotic infection risk and income for these two pathogens. Thus, our results highlight the importance of sanitation for predicting zoonotic disease risks and including diverse urban areas in pathogen surveillance to mitigate public health risks from rats.
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 | 0,000 |
| 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 | 0,001 | 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 ».