Leçons tirées de la gestion de la syphilis au Nunavut, Canada, 2012 à 2020
Notice bibliographique
Résumé
Contexte : Le Nunavut, territoire qui fait partie de l’Inuit Nunangat, est une vaste région dans le nord du Canada qui abrite une population de plus de 38 000 personnes. La majorité de la population (85 %) s’identifie comme Inuit. Le Nunavut a connu une hausse importante du nombre de cas de syphilis infectieuse dans sa population hétérosexuelle depuis 2012. La gestion des maladies transmissibles, notamment la syphilis, est difficile en raison du roulement élevé du personnel et des longs délais de transport des spécimens. Les déterminants sociaux de la santé sont également des facteurs contributifs importants. Cette étude vise à décrire l’épidémiologie et les éléments du programme sur la syphilis infectieuse de 2012 à 2020 dans le but de mettre en évidence des interventions qui pourraient s’avérer bénéfiques. Méthodes : La syphilis est une maladie à déclaration obligatoire au Nunavut, et tous les cas sont signalés au ministère de la Santé du territoire. Les cas ont été déclarés par un médecin consultant. Les données ont été analysées et publiées dans des rapports publics dans le cadre du programme de santé publique. Résultats : De 2012 à 2020, 655 cas de syphilis infectieuse ont été signalés, dont 53 % chez des femmes. Les taux d’infection étaient les plus élevés chez les personnes âgées de 20 à 39 ans. Les cas déclarés au cours de cette période variaient considérablement selon la région géographique, et la majorité des cas infectieux ont été signalés dans la région de Kivalliq. Malgré 48 cas signalés pendant la grossesse, il n’y a eu aucun cas confirmé de syphilis congénitale. Le personnel du programme a cerné les forces des interventions ainsi que les besoins continus, comme les ressources en langage clair disponibles dans plusieurs langues. Conclusion : Malgré les défis logistiques liés à la gestion de la syphilis dans le territoire, les résultats globaux ont été positifs, et aucun cas congénital confirmé n’a été identifié. Nous attribuons cela à un effort coordonné de multiples partenaires, notamment des interventions clés d’infirmières de la santé publique et de représentants de la santé communautaire.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,005 | 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 ».