Geospatial epidemiology of hospitalized patients with a positive influenza assay: A nationwide study in Iran, 2016–2018
Notice bibliographique
Résumé
INTRODUCTION: Seasonal influenza is a significant public health challenge worldwide. This study aimed to investigate the epidemiological characteristics and spatial patterns of severe hospitalized influenza cases confirmed by polymerase chain reaction (PCR) in Iran. METHODS: Data were obtained from Iran's Ministry of Health and Medical Education and included all hospitalized lab-confirmed influenza cases from January 1, 2016, to December 30, 2018 (n = 9146). The Getis-Ord Gi* and Local Moran's I statistics were used to explore the hotspot areas and spatial cluster/outlier patterns of influenza. We also built a multivariable logistic regression model to identify covariates associated with patients' mortality. RESULTS: Cumulative incidence and mortality rate were estimated at 11.44 and 0.49 (per 100,000), respectively, and case fatality rate was estimated at 4.35%. The patients' median age was 40 (interquartile range: 22-63), and 55.5% (n = 5073) were female. The hotspot and cluster analyses revealed high-risk areas in northern parts of Iran, especially in cold, humid, and densely populated areas. Moreover, influenza hotspots were more common during the colder months of the year, especially in high-elevated regions. Mortality was significantly associated with older age (adjusted odds ratio [aOR]: 1.01, 95% confidence interval [CI]: 1.01-1.02), infection with virus type-A (aOR: 1.64, 95% CI: 1.27-2.15), male sex (aOR: 1.77, 95% CI: 1.44-2.18), cardiovascular disease (aOR: 1.71, 95% CI: 1.33-2.20), chronic obstructive pulmonary disease (aOR: 1.82, 95% CI: 1.40-2.34), malignancy (aOR: 4.77, 95% CI: 2.87-7.62), and grade-II obesity (aOR: 2.11, 95% CI: 1.09-3.74). CONCLUSIONS: We characterized the spatial and epidemiological heterogeneities of severe hospitalized influenza cases confirmed by PCR in Iran. Detecting influenza hotspot clusters could inform prioritization and geographic specificity of influenza prevention, testing, and mitigation resource management, including vaccination planning in Iran.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».