Characterization of acute respiratory infections behavior. Cienfuegos Province. First quarter 2020
Notice bibliographique
Résumé
<strong>Foundation:</strong> due to the current pandemic of COVID 19, it is important to know the categorizing essentialities of acute respiratory infections in general for future studies in which COVID 19 will constitute a category of the taxonomy of those to be taken into account.<br /><strong>Objective:</strong> to characterize acute respiratory infections in the Cienfuegos province from January 1 to March 31, 2020.<br /><strong>Methods:</strong> the population studied was the population of the Cienfuegos province. The main study variables considered were: age groups, municipalities of residence, demand for medical consultations, statistical weeks, rates temporal variation, their trend, severity of clinical evolution, admissions and deaths from severe respiratory infections, outbreaks and epidemiological surveillance. Statistical methods and techniques used were, from descriptive statistics: absolute and relative frequencies, means, rates, increases and decreases in rates, the endemic corridor and its trend.<br /><strong>Results:</strong> the characterizing essentialities were: its highest incidence in children under five years of age and adults 60 years and over; the leading cause of death was from community-acquired pneumonia; the identified circulating viruses were respiratory syncytial, parainfluenza, unsubtyped influenza A, and coronavirus. The trend is upward.<br /><strong>Conclusions:</strong> the behavior of acute respiratory infections was within the expected parameters, except that from week eleven there was an increase in medical care, which could be related to the inquiring and surveillance actions.
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 | 0,000 |
| 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 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 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 ».