MétaCan
Menu
Retour à la cohorte
Enregistrement W4365130387 · doi:10.2196/41435

Effect of Rapid Urbanization in Mainland China on the Seasonal Influenza Epidemic: Spatiotemporal Analysis of Surveillance Data From 2010 to 2017

2023· article· en· W4365130387 sur OpenAlexvenueno aff
Hao Lei, Nan Zhang, Beidi Niu, Xiao Wang, Shenglan Xiao, Xiangjun Du, Tao Chen, Lei Yang, Dayan Wang, Benjamin J. Cowling, Yuguo Li, Yuelong Shu

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2023
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Zhejiang ProvinceNational Natural Science Foundation of China
Mots-clésUrbanizationMainland ChinaChinaTransmission (telecommunications)GeographyPopulationSocioeconomicsEnvironmental healthDemographyMedicineEconomic growthEconomics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The world is undergoing an unprecedented wave of urbanization. However, the effect of rapid urbanization during the early or middle stages of urbanization on seasonal influenza transmission remains unknown. Since about 70% of the world population live in low-income countries, exploring the impact of urbanization on influenza transmission in urbanized countries is significant for global infection prediction and prevention. OBJECTIVE: The aim of this study was to explore the effect of rapid urbanization on influenza transmission in China. METHODS: We performed spatiotemporal analyses of province-level influenza surveillance data collected in Mainland China from April 1, 2010, to March 31, 2017. An agent-based model based on hourly human contact-related behaviors was built to simulate the influenza transmission dynamics and to explore the potential mechanism of the impact of urbanization on influenza transmission. RESULTS: We observed persistent differences in the influenza epidemic attack rates among the provinces of Mainland China across the 7-year study period, and the attack rate in the winter waves exhibited a U-shaped relationship with the urbanization rates, with a turning point at 50%-60% urbanization across Mainland China. Rapid Chinese urbanization has led to increases in the urban population density and percentage of the workforce but decreases in household size and the percentage of student population. The net effect of increased influenza transmission in the community and workplaces but decreased transmission in households and schools yielded the observed U-shaped relationship. CONCLUSIONS: Our results highlight the complicated effects of urbanization on the seasonal influenza epidemic in China. As the current urbanization rate in China is approximately 59%, further urbanization with no relevant interventions suggests a worrisome increasing future trend in the influenza epidemic attack rate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,093
Score d'incertitude au seuil0,186

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,258
Tête enseignante GPT0,454
Écart entre enseignants0,196 · 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 source (Gemma direct ou Codex distillé), 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

Citations15
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetCOVID-19 epidemiological studiesTravaux en français237 207