MétaCan
Menu
Retour à la cohorte
Enregistrement W4320066065 · doi:10.1289/isee.2022.p-0746

Differential impact of environment on malaria due to control interventions in Uganda, 2010-2018

2022· article· en· W4320066065 sur OpenAlexaff
Margaux L. Sadoine, Audrey Smargiassi, Ying Liu, Philippe Gachon, Guillaume Dueymes, Jane Frances Namuganga, Grant Dorsey, Michel Fournier, Bouchra Nasri, Kate Zinszer

Notice bibliographique

RevueISEE Conference Abstracts · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueMalaria Research and Control
Établissements canadiensMontreal Police ServiceUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésIndoor residual sprayingMalariaEnvironmental scienceHumidityVegetation (pathology)Environmental healthToxicologyMedicineGeographyMeteorologyPlasmodium falciparumBiology

Résumé

récupéré en direct d'OpenAlex

Background and aim Studies have estimated the impact of environment on malaria incidence although few have explored the differential impact due to vector control interventions. We aimed to evaluate the influence of temperature, rainfall, humidity, and vegetation, in presence or absence of long-lasting insecticide treated bednets (LLIN) and indoor residual spraying (IRS). Methods This study used weekly malaria cases from 2010 to 2018 from six health facility-based malaria surveillance in Uganda. Environmental variables were extracted from remote sensing sources and include enhanced vegetation index (MODIS), cumulative rainfall (ARC2), minimum and maximum temperature (ERA5), specific humidity (ERA5), averaged over different time periods (one to four months). Non-linearity of environmental variables was investigated, and general linear models based on a negative binomial distribution was used to explore the influence of ITN and LLIN on the malaria-environment relationship. Results A total of 204,252 malaria cases were laboratory confirmed and the median (range) weekly cases was 58.0 (0-597), rainfall 18.6 mm (0-129), minimum temperature 17.6˚C (12.3-24.2), maximum temperature 26.7˚C (20.1-34.8), and humidity 0.014 kg.kg (0.006-0.018). The best fit model was with the meteorological measures averaged over 3 months. All environmental variables showed a relatively linear pattern. Both IRS and LLIN were significantly associated with risk reduction (IRR: 0.39, 95% CI: 0.36–0.42 ; IRR: 0.71, 95% CI: 0.67–0.75, respectively). Marginal effects of environmental variables showed that joint effect of IRS and LLIN reduced the weekly predicted counts of malaria by 72.5% compared to no intervention. Conclusion LLIN and IRS both reduced the influence of environmental drivers of malaria and therefore morbidity in various transmission setting in Uganda. The benefits appeared to be greatest when the two interventions are used in combination.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,955
Score d'incertitude au seuil0,984

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,312
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueISEE Conference AbstractsMême sujetMalaria Research and ControlTravaux en français237 207