Sentinel Surveillance Contributes to Tracking Lyme Disease Spatiotemporal Risk Trends in Southern Quebec, Canada
Notice bibliographique
Résumé
Lyme disease (LD) is a tick-borne disease which has been emerging in temperate areas in North America, Europe, and Asia. In Quebec, Canada, the number of human LD cases is increasing rapidly and thus surveillance of LD risk is a public health priority. In this study, we aimed to evaluate the ability of active sentinel surveillance to track spatiotemporal trends in LD risk. Using drag flannel data from 2015-2019, we calculated density of nymphal ticks (DON), an index of enzootic hazard, across the study region (southern Quebec). A Poisson regression model was used to explore the association between the enzootic hazard and LD risk (annual number of human cases) at the municipal level. Predictions from models were able to track both spatial and interannual variation in risk. Furthermore, a risk map produced by using model predictions closely matched the official risk map published by provincial public health authorities, which requires the use of complex criteria-based risk assessment. Our study shows that active sentinel surveillance in Quebec provides a sustainable system to follow spatiotemporal trends in LD risk. Such a network can support public health authorities in informing the public about LD risk within their region or municipality and this method could be extended to support Lyme disease risk assessment at the national level in Canada.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».