Rabies surveillance in the United States during 2019
Notice bibliographique
Résumé
OBJECTIVE: To provide epidemiological information on animal and human cases of rabies occurring in the United States during 2019 and summaries of 2019 rabies surveillance for Canada and Mexico. ANIMALS: All animals submitted for laboratory diagnosis of rabies in the United States during 2019. PROCEDURES: State and territorial public health departments and USDA Wildlife Services provided data on animals submitted for rabies testing in the United States during 2019. Data were analyzed temporally and geographically to assess trends in domestic and wildlife rabies cases. RESULTS: During 2019, 53 jurisdictions submitted 97,523 animal samples for rabies testing, of which 94,770 (97.2%) had a conclusive (positive or negative) test result. Of these, 4,690 tested positive for rabies, representing a 5.3% decrease from the 4,951 cases reported in 2018. Texas (n = 565 [12.0%]), New York (391 [8.3%]), Virginia (385 [8.2%]), North Carolina (315 [6.7%]), California (276 [5.9%]), and Maryland (269 [5.7%]) together accounted for almost half of all animal rabies cases reported in 2019. Of the total reported rabid animals, 4,305 (91.8%) were wildlife, with raccoons (n = 1,545 [32.9%]), bats (1,387 [29.6%]), skunks (915 [19.5%]), and foxes (361 [7.7%]) as the primary species confirmed with rabies. Rabid cats (n = 245 [5.2%]) and dogs (66 [1.4%]) accounted for > 80% of rabies cases involving domestic animals in 2019. No human rabies cases were reported in 2019. CONCLUSIONS AND CLINICAL RELEVANCE: The overall number of animal rabies cases decreased from 2018 to 2019. Laboratory diagnosis of rabies in animals is critical to ensure that human rabies postexposure prophylaxis is administered judiciously.
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 | 0,003 | 0,004 |
| 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 | 0,001 |
| 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 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 ».