MétaCan
Menu
Retour à la cohorte
Enregistrement W4361802955 · doi:10.2196/42820

Spatiotemporal and Seasonal Trends of Class A and B Notifiable Infectious Diseases in China: Retrospective Analysis

2023· article· en· W4361802955 sur OpenAlexvenueno aff
Junyao Zheng, Ning Zhang, Guoquan Shen, Fengchao Liang, Yang Zhao, Xiaochen He, Ying Wang, Rongxin He, Wenna Chen, Hao Xue, Yue Shen, Yang Fu, Wei‐Hong Zhang, Lei Zhang, Samir Bhatt, Ying Mao, Bin Zhu

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueVirology and Viral Diseases
Établissements canadiensnon disponible
Organismes subventionnairesCenters for Disease Control and PreventionNovo Nordisk FondenNational Natural Science Foundation of China
Mots-clésDengue feverMedicineBrucellosisInfectious disease (medical specialty)MeaslesEpidemiologyMalariaTuberculosisEnvironmental healthChinaImmunologyDiseaseGeographyVaccinationInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: China is the most populous country globally and has made significant achievements in the control of infectious diseases over the last decades. The 2003 SARS epidemic triggered the initiation of the China Information System for Disease Control and Prevention (CISDCP). Since then, numerous studies have investigated the epidemiological features and trends of individual infectious diseases in China; however, few considered the changing spatiotemporal trends and seasonality of these infectious diseases over time. OBJECTIVE: This study aims to systematically review the spatiotemporal trends and seasonal characteristics of class A and class B notifiable infectious diseases in China during 2005-2020. METHODS: We extracted the incidence and mortality data of 8 types (27 diseases) of notifiable infectious diseases from the CISDCP. We used the Mann-Kendall and Sen's methods to investigate the diseases' temporal trends, Moran I statistic for their geographical distribution, and circular distribution analysis for their seasonality. RESULTS: Between January 2005 and December 2020, 51,028,733 incident cases and 261,851 attributable deaths were recorded. Pertussis (P=.03), dengue fever (P=.01), brucellosis (P=.001), scarlet fever (P=.02), AIDS (P<.001), syphilis (P<.001), hepatitis C (P<.001) and hepatitis E (P=.04) exhibited significant upward trends. Furthermore, measles (P<.001), bacillary and amebic dysentery (P<.001), malaria (P=.04), dengue fever (P=.006), brucellosis (P=.03), and tuberculosis (P=.003) exhibited significant seasonal patterns. We observed marked disease burden-related geographic disparities and heterogeneities. Notably, high-risk areas for various infectious diseases have remained relatively unchanged since 2005. In particular, hemorrhagic fever and brucellosis were largely concentrated in Northeast China; neonatal tetanus, typhoid and paratyphoid, Japanese encephalitis, leptospirosis, and AIDS in Southwest China; BAD in North China; schistosomiasis in Central China; anthrax, tuberculosis, and hepatitis A in Northwest China; rabies in South China; and gonorrhea in East China. However, the geographical distribution of syphilis, scarlet fever, and hepatitis E drifted from coastal to inland provinces during 2005-2020. CONCLUSIONS: The overall infectious disease burden in China is declining; however, hepatitis C and E, bacterial infections, and sexually transmitted infections continue to multiply, many of which have spread from coastal to inland provinces.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,408

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,015
Tête enseignante GPT0,309
Écart entre enseignants0,294 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations36
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetVirology and Viral DiseasesTravaux en français237 207