A Poisson-multinomial spatial model for simultaneous outbreaks with application to arboviral diseases
Notice bibliographique
Résumé
Dengue, Zika, and chikungunya are arboviral diseases (AVD) transmitted mainly by Aedes aegypti. Rio de Janeiro city, Brazil, has been endemic for dengue for over 30 years, and experienced the first joint epidemic of the three diseases between 2015-2016. They present similar symptoms and only a small proportion of cases are laboratory-confirmed. These facts lead to potential misdiagnosis and, consequently, uncertainty in the registration of the cases. We have available the number of cases of each disease for the [Formula: see text] neighborhoods of Rio de Janeiro. We propose a Poisson model for the total number of cases of Aedes-borne diseases and, conditioned on the total, we assume a multinomial model for the allocation of the number of cases of each of the diseases across the neighborhoods. This provides simultaneously the estimation of the associations of the relative risk of the total cases of AVD with environmental and socioeconomic variables; and the estimation of the probability of presence of each disease as a function of available covariates. Our findings suggest that a one standard deviation increase in the social development index decreases the relative risk of the total cases of AVD by 28%. Neighborhoods with smaller proportion of green area had greater odds of having chikungunya in comparison to dengue and Zika. A one standard deviation increase in population density decreases the odds of a neighborhood having Zika instead of dengue by 18% but increases the odds of chikungunya in comparison to dengue by 18% and by 43% in comparison to Zika.
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 | 0,013 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,008 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».