Age-specific transmission for different virus serotypes of hand, foot and mouth disease and the impact of interventions in East China, 2009–2015
Notice bibliographique
Résumé
Background: Hand, foot and mouth disease (HFMD) remains an important public health problem in China. Understandings of age-specific transmission for different virus serotypes of the disease and assessment of non-pharmaceutical interventions (NPI) for HFMD are helpful for disease control, but they have been seldom considered. Here we further investigate transmission dynamics of HFMD and quantify the effects of NPIs and vaccination on the disease transmission. Methods: We extracted information of reported HFMD cases from 2009 to 2015 in East China. Age-specific force of infection (FoI) was used to describe the transmission characteristics for serotypes (EV-A71, CV-A16 and other enterovirus). We used an age-structured Susceptible-Exposed-Infectious-Removed (SEIR) model to simulate how interventions affect HFMD outbreaks. Results: 4,096,270 HFMD cases were included, and 160619 cases were confirmed for virus serotypes. The peaks of infections always occurred in even-numbered years. CV-A16 and EV-A71 showed a similar trend, children aged 1 or 2 years generally had the highest FoI, but there were no clear patterns for other enterovirus. Simulations showed that school break could dramatically decline the average incidence. When combined with social interventions, it would further reduce the incidence, but the effect is not apparent. When vaccine rate is over or equal to 20%, the incidence would be lower than taking NPIs. Conclusion: More attention should be paid to children under 2 years of age in the prevention and control of HFMD. Compared to NPIs, vaccination is more effective.
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) | 0,000 | 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 ».