Rabies epidemiology, prevention and control in Nigeria: Scoping progress towards elimination
Notice bibliographique
Résumé
BACKGROUND: Human rabies remains a significant public health problem in Africa with outbreaks reported in most countries. In Nigeria-the most populous country in Africa-rabies causes a significant public health burden partly due to perennial obstacles to implementing a national prevention and control program. METHODS: We conducted a scoping review using standard Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines to identify and select published articles from Nigeria during 1978-2020 reporting on rabies virus infections (human, canine, livestock, and wildlife), canine bites, knowledge, attitudes and practices (KAP) surveys on rabies and canine ecology studies. We extracted information on study location, year and additional details of each study such as rabies prevalence, general characteristics of offending dogs, dog vaccination status and health-seeking behaviours. FINDINGS: Between 1978 and 2020, 90 published articles met our inclusion criteria. The prevalence of rabies virus antigen detection varied between 3% and 28%, with more studies in the north. Most bites were unprovoked from dog bite studies (36.4%-97%), by dogs with low vaccination rates (12-38%). A more significant proportion of biting dogs were owned (31-90%). Laboratory confirmation for biting was available for only a small proportion of studies (6%; n = 2/32). Of the dogs surveyed during ecology studies, indigenous dogs accounted for the majority (62-98%), used mostly for security purposes (52-98%), with the vaccination rate between 15% and 38% in most states. Studies conducted in areas distant from rabies diagnostic facilities accounted for more human rabies cases and fewer dog rabies cases. CONCLUSION: Significant improvements are necessary to achieve the elimination of human rabies mediated via dogs by 2030.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,029 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,020 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».