Hepatitis E Virus Prevalence Amongst Blood Donors in Kenya
Notice bibliographique
Résumé
Introduction: Hepatitis E (HEV) is an emerging cause of viral hepatitis mainly transmitted through the fecal-oral and parenteral routes. It has greatly affected populations in many parts of Kenya due to declined sanitation practices. The objective of the research was to determine IgM and IgG seroprevalence of HEV prevalence among blood donors in Kenya as well as its Anti-HEV sero-reactivity by demographic factors.
 Material and Methods: Cross sectional research design was used to collect blood samples from six from regional blood collecting centers, with blood donors selected through proportionate stratified sampling. Serum were matched to the age and gender distribution of the blood donors and tested by IgM and IgG enzyme immunoassays (EIA). The screening was carried out using human MP Diagnostics (0721150096T-96 wells) HEV ELISA kit. To test for IgM and IgM anti-HEV antibodies, microplates with 96-well plate were used. Results were averaged to generate a signal-to-noise ratio with ≥1.0 designated as positive per the manufacturer’s recommended cutoff.
 Result and Conclusion: On the analysis, IgM reactivity was associated with HEV (RR 1.66, 95%CI 1.07, 2.60; p = 0.024) while IgG reactivity was associated with increasing age (p < 0.001) and HIV (RR 1.93, 95%CI 1.52, 2.46; p < 0.001). AFI case-patients were more likely to be IgM (p = 0.002) and IgG (p<0.001) reactive compared to healthy residents. All the 19 hepatitis E virus IgM and/or IgG seropositive blood samples tested negative for HEV RNA since no bands were detected using RT-PCR technique. Serologic evidence for HEV in blood samples from selected areas suggests a high burden of infection, though age and gender exhibited no significant difference in prevalence of HEV among the blood donors in Kenya (p>0.05).
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».