High-resolution estimates of tuberculosis incidence among non-U.S.-born persons residing in the United States, 2000–2016
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In the United States, new tuberculosis cases are increasingly concentrated within non-native-born populations. We estimated trends and differences in tuberculosis incidence rates for the non-U.S.-born population, at a resolution unobtainable from raw data. We obtained non-U.S.-born tuberculosis case reports for 2000-2016 from the National Tuberculosis Surveillance System, and population data from the American Community Survey and 2000 U.S. Census. We constructed generalized additive regression models to estimate incidence rates in terms of birth country, entry year, age at entry, and number of years since entry into the United States and described how these factors contribute to overall tuberculosis risk. Controlling for other factors, tuberculosis incidence rates were lower for more recent immigration cohorts, with an incidence risk ratio (IRR) of 10.2 (95 % confidence interval 7.0, 14.7) for the 1950 entry cohort compared to its 2016 counterpart. Greater years since entry and younger age at entry were associated with substantially lower incidence rates. IRRs for birth country varied between 8.86 (6.78, 11.52) for Somalia and 0.02 (0.01, 0.03) for Canada, compared to all non-U.S.-born residents in 2016. IRRs were positively correlated with WHO predicted incidence rate and negatively associated with wealth level for the birth country. Lower country wealth level was also associated with shallower declines in tuberculosis over time. Tuberculosis risks differ by several orders of magnitude within the non-U.S.-born population. A better understanding of these differences will allow more effective targeting of tuberculosis prevention efforts. The methods presented here may also be relevant for understanding tuberculosis trends in other high-income countries.
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.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 découle