Seropositivity of Leptospira in rodents, shrews, and domestic animals in Unguja, Tanzania
Notice bibliographique
Résumé
Background: Leptospirosis is one of the most commonly neglected zoonoses in developing nations including Tanzania. This study aims to find out the seroprevalence of leptospirosis in rodents, shrews, and domestic animals in different regions in Unguja Island, Tanzania. Methods: A cross-sectional study was carried out from January to April 2022. The blood samples were collected from rodents and shrews (n=248), cattle (n=247), goats (n=130), sheep (n=32), and dogs (n=80). The blood samples were allowed to clot in a slanted position and serum samples were harvested. A microscopic agglutination test (MAT) was performed on the sera to check for leptospiral antibodies using five Leptospira serovars as antigens (Sokoine, Lora, Pomona, Grippotyphosa and Hebdomadis). Results: The overall seropositivity of leptospiral antibodies was 9.68% in rodents and shrews, 14.57% in cattle, 10.01% in goats, 31.25% in sheep, and 26.25% in dogs. The seropositivity of Leptospira varied significantly with animal species (OR=1.9, 95 % CI:1.1-3.3, p=0.03). The most frequently detected serovar was Sokoine (27.89%), followed by Pomona (19.47%), Lora (18.26%), Grippotyphosa (17.98%), and Hebdomadis (8.16%), respectively. Conclusion: Our study suggests that further research should be conducted to find out factors of high seropositivity of leptospiral in Unguja. Vaccination of domestic animals with vaccines against local Leptospira strains should be encouraged, and rodent control and public awareness should be emphasized.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,001 | 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 ».