Impact of the COVID-19 Pandemic on the Reported Incidence of Select Bacterial Enteric Diseases in Canada, 2020
Notice bibliographique
Résumé
The aim of this study was to describe the impact of the COVID-19 pandemic on reported cases and clusters of select enteric diseases in Canada, for the period of March 2020 to December 2020. Weekly counts of laboratory confirmed cases of Salmonella , Shigella , Shiga toxin–producing Escherichia coli (STEC), and Listeria monocytogenes were obtained from laboratory surveillance data. These data were supplemented with epidemiological information on the suspected source of illness, collected for cases identified within whole genome sequencing clusters. Incidence rate ratios were calculated for each pathogen. All data were compared with a prepandemic reference period. Decreases in the number of reported cases in 2020 compared with the previous 5-year period were noted for Salmonella , Shigella , Escherichia coli O157, and non-O157 STEC. Reported number of cases for L. monocytogenes in 2020 remained similar to those of the previous 5-year period. There was a considerable decline (59.9%) in the number of cases associated with international travel compared with a 10% decline in the number of domestic cases. Comparison of reported incidence rates of clustered versus sporadic cases for each pathogen showed little variation. This study represents the first formal assessment of the impact of COVID-19 on reported enteric diseases in Canada. Reported case counts across several pathogens saw notable declines in 2020 compared with prepandemic levels, with restrictions on international travel playing a key role. Additional research is needed to understand how limitations on social gatherings, lock downs, and other public health measures have impacted enteric diseases.
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 | 0,001 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».