MétaCan
Menu
Retour à la cohorte
Enregistrement W3145490589 · doi:10.2196/27442

Cutaneous Leishmaniasis Outbreak Investigation in Hajjah Governorate, Yemen, in 2018: Case-Control Study

2021· article· en· W3145490589 sur OpenAlexvenueno aff
Abdulkareem Ali Hussein Nassar, Mahmood Hasan Abdelrazzaq, Ali Hamoud Almahaqri, Mohammed Al Amad, Abulwahed Abduljabbar Al Serouri, Yousef Khader

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueResearch on Leishmaniasis Studies
Établissements canadiensnon disponible
Organismes subventionnairesWorld Health Organization
Mots-clésMedicineOdds ratioOutbreakPopulationEpidemiologyPublic healthDemographyEnvironmental healthCutaneous leishmaniasisConfidence intervalPopulation studyPediatricsLeishmaniasisInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Cutaneous leishmaniasis (CL) is endemic in Yemen. About 4440 cases were reported in 2019. On July 23, 2018, a Hajjah governorate surveillance officer notified the Ministry of Public Health and Population about an increase in the number of CL cases in Bani-Oshb, Kuhlan district, Hajjah governorate. On July 24, 2018, Yemen Field Epidemiology Training Program sent a team to perform an investigation. OBJECTIVE: We aimed to describe a CL outbreak in Hajjah governorate and determine its risk factors. METHODS: A descriptive study and case-control study (1:1 ratio) were conducted. Cases included people who met the suspected or confirmed case definition of the World Health Organization and lived in Bani-Oshb subdistrict during the period from August 2017 to July 2018. Controls included people living for at least 1 year in Bani-Oshb without new or old skin lesions. Crude odds ratios (cORs) and adjusted odds ratios (aORs) with 95% CI were used to test the significance of associations. RESULTS: We identified 30 CL cases. Among the 30 patients, 7 (23%) were younger than 5 years, 17 (57%) were 5 to 14 years, 17 (57%) were females, and 23 (77%) had one lesion. The attack rate was 7 per 1000 population in the age group <15 years and 1 per 1000 population in the age group ≥15 years. On bivariate analysis, the following factors were significantly associated with CL: female gender (cOR 5.2, 95% CI 1.7-16.5), malnutrition (cOR 5.2, 95% CI 1.7-16.5), not using a bed net (cOR 14.5, 95% CI 1.7-122.4), poor house lighting (cOR 6.4, 95% CI 2.1-19.7), poor house hygiene (cOR 11.2, 95% CI 3.1-40.7), poor sanitation (cOR 14.5, 95% CI 1.7-122.4), living in houses without window nets (cOR 5.2, 95% CI 1.3-21.2), plantation around the house (cOR 6.5, 95% CI 2.1-20.5), animal barn inside or close to the house (cOR 9.3, 95% CI 1.9-46.7), raising animals (cOR 8.1, 95% CI 1.6-40.7), and having animal dung in or near the house (cOR 6.8, 95% CI 1.7-27.7). The following risk factors remained significant on multivariate stepwise analysis: female gender (aOR 22.7, 95% CI 1.6-320.5), malnutrition (aOR 17.2, 95% CI 1.3-225.8), poor house hygiene (aOR 45.6, 95% CI 2.5-846.4), plantation around the house (aOR 43.8, 95% CI 1.9-1009.9), and raising animals (aOR 287.1, 95% CI 5.4-15205.6). CONCLUSIONS: CL was endemic in Hajjah governorate, and an increase in cases was confirmed. Many individual, housing, and animal related factors were shown to contribute to CL endemicity. Implementation of control measures directed toward altering the factors favoring contact among vectors, reservoirs, and susceptible humans is strongly recommended to control future outbreaks.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,327
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetResearch on Leishmaniasis StudiesTravaux en français237 207