Digitalizing and Upgrading Severe Acute Respiratory Infections Surveillance in Malta: System Development
Notice bibliographique
Résumé
BACKGROUND: In late 2020, the European Centre for Disease Prevention and Control and Epiconcept started implementing a surveillance system for severe acute respiratory infections (SARI) across Europe. OBJECTIVE: We sought to describe the process of digitizing and upgrading SARI surveillance in Malta, an island country with a centralized health system, during the COVID-19 pandemic from February to November 2021. We described the characteristics of people included in the surveillance system and compared different SARI case definitions, including their advantages and disadvantages. This study also discusses the process, output, and future for SARI and other public health surveillance opportunities. METHODS: Malta has one main public hospital where, on admission, patient data are entered into electronic records as free text. Symptoms and comorbidities are manually extracted from these records, whereas other data are collected from registers. Collected data are formatted to produce weekly and monthly reports to inform public health actions. From October 2020 to February 2021, we established an analogue incidence-based system for SARI surveillance. From February 2021 onward, we mapped key stakeholders and digitized most surveillance processes. RESULTS: By November 30, 2021, 903 SARI cases were reported, with 380 (42.1%) positive for SARS-CoV-2. Of all SARI hospitalizations, 69 (7.6%) were admitted to the intensive care unit, 769 (85.2%) were discharged, 27 (3%) are still being treated, and 107 (11.8%) died. Among the 107 patients who died, 96 (89.7%) had more than one underlying condition, the most common of which were hypertension (n=57, 53.3%) and chronic heart disease (n=49, 45.8%). CONCLUSIONS: The implementation of enhanced SARI surveillance in Malta was completed by the end of May 2021, allowing the monitoring of SARI incidence and patient characteristics. A future shift to register-based surveillance should improve SARI detection through automated processes.
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 | 0,017 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».