Incidence, Demographic, and Seasonal Risk Factors of Infections Caused by Five Major Enteric Pathogens, Ontario, Canada, 2010–2017
Notice bibliographique
Résumé
In Canada, enteric infections cause significant health and economic burden. We evaluated the individual characteristics of laboratory-confirmed cases of Campylobacter spp. (n = 28,728), non-typhoidal Salmonella spp. (n = 22,640), Yersinia spp. (n = 1674), Verotoxin-producing Escherichia coli (VTEC; n = 1340), and Listeria monocytogenes (n = 471), reported between 2010 and 2017 inclusive, in Ontario, Canada (population ∼13,500,000). We calculated overall and pathogen-specific annual and mean incidence rates (IRs) for Ontario. We used multivariable Poisson and negative binomial regression models to estimate incidence rate ratios (IRRs) for years, seasons, age groups, and sexes, and we included two-way age and sex interaction terms in the models. Campylobacter and Salmonella infections had the highest IRs whereas Listeria infections had the lowest IRs. None of the infections showed long-term trends over the 8-year study period; however, rates of all five infections were elevated in the summer. More Salmonella, VTEC, and Listeria infections were linked to disease outbreaks than were Campylobacter and Yersinia infections. Overall, mean IRs of Campylobacter, Salmonella, Yersinia, and VTEC infections were highest in children 0–4 years old, whereas Listeria IRs peaked in adults 60 years and older. Higher mean IRs of Campylobacter were observed in males. No other differences by sex were statistically significant. The same mean rate was observed in both sexes for Listeria. Adjusting for all other factors, significant age- and sex-specific differences in IRs were observed in Campylobacter, Salmonella, and VTEC infection rates. No significant interactions of age and sex were found for Yersinia and Listeria infections. Future research should focus on the pathogen-specific socioeconomic, environmental, or agricultural risk factors that might be responsible for these infections.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| 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) | 0,002 | 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 ».