Spatial epidemiology of bacterial meningitis in the Upper West Region of Ghana: Analysis of disease surveillance data 2018–2020
Notice bibliographique
Résumé
Background: The use of a Geographic Information System in identifying meningitis hotspots in the Upper West Region (UWR) remains underutilized, making spatial targeting of meningitis hotspots difficult. We therefore utilized surveillance data enabled with GIS technology to target meningitis outbreaks in the UWR. Methods: Secondary data analysis was conducted in the study. The dynamics of bacterial meningitis in space and time were studied using epidemiological data from 2018 to 2020. Spot map and choropleths were used to depict the distribution of cases in the region. Moran's I statistics were used to assess spatial autocorrelation. Getis-Ord Gi*(d) and Anselin Local Moran's statistics were used to identify hotspots and spatial outliers within the study area. A Geographic Weighted Regression model was also used to examine how socio bio-climatic conditions influence the spread of meningitis. Results: There were 1176 cases of bacterial meningitis, 118 deaths, and 1058 survivors between 2018 and 2020. Nandom municipality had the highest Attack Rate (AR) at 492/100,000 persons, followed by Nadowli-Kaleo district at 314/100,000 persons. Jirapa had the highest case fatality rate (CFR) at 17%. The spatio-temporal analysis showed spatial diffusion of meningitis prevalence from the western half of the UWR to the east with a significant number of hotpots and cluster outliers. Conclusion: Bacterial meningitis does not occur at random. Populations (10.9%) under sub-districts identified as hotspots are exceptionally at higher risk of outbreaks. Targeted interventions should be directed towards clustered hotspots, focusing on zones with low prevalence fenced off by high prevalence zones.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».