Spatiotemporal distribution and socioeconomic disparities of dengue, chikungunya and Zika in two Latin American cities from 2007 to 2017
Notice bibliographique
Résumé
OBJECTIVE: To assess the presence, pattern and magnitude of socioeconomic inequalities on dengue, chikungunya and Zika in Latin America, accounting for their spatiotemporal distribution. METHODS: Using longitudinal surveillance data (reported arboviruses) from Fortaleza, Brazil and Medellin, Colombia (2007-2017), we fit Bayesian hierarchical models with structured random effects to estimate: (i) spatiotemporally adjusted incidence rates; (ii) Relative Concentration Index and Absolute Concentration Index of inequality; (iii) temporal trends in RCIs; and (iv) socioeconomic-specific estimates of disease distribution. The spatial analysis was conducted at the neighbourhood level (urban settings). The socioeconomic measures were the median monthly household income (MMHI) for Brazil and the Socio-Economic Strata index (SES) in Colombia. RESULTS: There were 281 426 notified arboviral cases in Fortaleza and 40 887 in Medellin. We observed greater concentration of dengue among residents of low socioeconomic neighbourhoods in both cities: Relative Concentration Index = -0.12 (95% CI = -0.13, -0.10) in Fortaleza and Relative Concentration Index = -0.04 (95% CI = -0.05, -0.03) in Medellin. The magnitude of inequalities varied over time across sites and was larger during outbreaks. We identified a non-monotonic association between disease rates and socioeconomic measures, especially for chikungunya, that changed over time. The Relative Concentration Index and Absolute Concentration Index showed few if any inequalities for Zika. The socioeconomic-specific model showed increased disease rates at MMHI below US$400 in Brazil and at SES-index below level four, in Colombia. CONCLUSIONS: We provide robust quantitative estimates of socioeconomic inequalities in arboviruses for two Latin American cities. Our findings could inform policymaking by identifying spatial hotspots for arboviruses and targeting strategies to decrease disparities at the local level.
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 | 0,000 | 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 ».