Descriptive analysis of a tuberculosis outbreak from a northern Saskatchewan First Nations community—December 2018 to May 2019
Notice bibliographique
Résumé
Background: The tuberculosis (TB) incidence rate for northern Saskatchewan First Nations on-reserve is 1.5 higher than the national average. In December 2018 a member of one of these communities was diagnosed with 4+ smear-positive TB, spurring an outbreak investigation. Objectives: To describe the public health response to TB outbreak investigation and highlight the risk factors associated with TB transmission in northern Saskatchewan; and to highlight the relevance of social network contact investigation tool in outbreak management. Methods: Descriptive analysis included active TB cases and latent TB infection (LTBI) cases linked by contact investigation to the index case. Data were collected from active TB case files. Statistical analyses were performed and social network analysis conducted using household locations as points of contact between cases. Results: A total of eight active TB cases and 41 LTBI cases were identified as part of the outbreak between December 2018 and May 2019. Half of the cases (4/8) were 25 to 34 years old, and five were smear negative. One-third of the people with LTBI were 15 to 24 years old, and about a half tested positive to the new tuberculin skin test (TST). The commonly reported risk factors for TB and LTBI cases were alcohol use, cigarette use, marijuana use, previous TB infection and homelessness. Social network analysis indicated a relationship between increased node centrality and becoming an active case. Conclusion: Real-time social network contact investigation used in active-case finding was very successful in identifying cases, and enhanced nursing support, mobile clinics and mobile X-ray worked well as a means of confirming cases and offering treatment. TB outbreaks in northern Saskatchewan First Nations on-reserve communities are facilitated by population-specific factors. Efforts to implement context-specific interventions are paramount in managing TB outbreaks and preventing future transmission.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».