Modelling modifiable factors associated with the probability of human rabies deaths among self-reported victims of dog bites in Abuja, Nigeria
Notice bibliographique
Résumé
Canine-mediated rabies kills tens of thousands of people annually in lesser-developed communities of Asia, Africa, and the Americas, primarily through bites from infected dogs. Multiple rabies outbreaks have been associated with human deaths in Nigeria. However, the lack of quality data on human rabies hinders advocacy and resource allocation for effective prevention and control. We obtained 20 years of dog bite surveillance data across 19 major hospitals in Abuja, incorporating modifiable and environmental covariates. To overcome the challenge of missing information, we used a Bayesian approach with expert-solicited prior information to jointly model missing covariate data and the additive effects of the covariates on the predicted probability of human death after rabies virus exposure. Only 1155 cases of dog bites were recorded throughout the study period, out of which 4.2% (N = 49) died of rabies. The odds for risk of human death were predicted to decrease among individuals who were bitten by owned dogs compared to those bitten by free-roaming dogs. Similarly, there was a predicted decrease in the probability of human death among victims bitten by vaccinated dogs compared to those bitten by unvaccinated dogs. The odds for the risk of human death after bitten individuals received rabies prophylaxis were predicted to decrease compared to no prophylaxis. We demonstrate the practical application of a regularised Bayesian approach to model sparse dog bite surveillance data to uncover risk factors for human rabies, with broader applications in other endemic rabies settings with similar profiles. The low reporting observed in this study underscores the need for community engagement and investment in surveillance to increase data availability. Better data on bite cases will help to estimate the burden of rabies in Nigeria and would be important to plan effective prevention and control of this disease.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».