MétaCan
Menu
Retour à la cohorte
Enregistrement W4387765751 · doi:10.2196/29587

Seroprevalence of SARS-CoV-2 in Niger State: Pilot Cross-Sectional Study

2023· article· en· W4387765751 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIRx Med · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSeroprevalenceMedicineCross-sectional studyAsymptomaticOdds ratioSocioeconomic statusDemographyEnvironmental healthImmunologyInternal medicineAntibodySerologyPopulationPathology

Résumé

récupéré en direct d'OpenAlex

Background: The COVID-19 pandemic caused by SARS-CoV-2 is causing ongoing human and socioeconomic losses. Objective: To know how far the virus has spread in Niger State, Nigeria, a pilot study was carried out to determine the SARS-CoV-2 seroprevalence, patterns, dynamics, and risk factors in the state. Methods: A cross-sectional study design and clustered, stratified random sampling strategy were used to select 185 test participants across the state. SARS-CoV-2 IgG and IgM rapid test kits (colloidal gold immunochromatography lateral flow system) were used to determine the presence or absence of antibodies to the virus in the blood of sampled participants across Niger State from June 26 to 30, 2020. The test kits were validated using the blood samples of some of the Nigeria Center for Disease Control-confirmed positive and negative COVID-19 cases in the state. SARS-CoV-2 IgG and IgM test results were entered into the Epi Info questionnaire administered simultaneously with each test. Epi Info was then used to calculate the arithmetic mean and percentage, odds ratio, χ2 statistic, and regression at a 95% CI of the data generated. Results: The seroprevalence of SARS-CoV-2 in Niger State was found to be 25.4% (47/185) and 2.2% (4/185) for the positive IgG and IgM results, respectively. Seroprevalence among age groups, genders, and occupations varied widely. The COVID-19 asymptomatic rate in the state was found to be 46.8% (22/47). The risk analyses showed that the chances of infection are almost the same for both urban and rural dwellers in the state. However, health care workers, those who experienced flulike symptoms, and those who had contact with a person who traveled out of Nigeria in the last 6 months (February to June 2020) were at double the risk of being infected with the virus. More than half (101/185, 54.6%) of the participants in this study did not practice social distancing at any time since the pandemic started. Participants' knowledge, attitudes, and practices regarding COVID-19 are also discussed. Conclusions: The observed Niger State SARS-CoV-2 seroprevalence and infection patterns meansuggest that the virus has widely spread, far more SARS-CoV-2 infections have occurred than the reported cases, and there is a high asymptomatic COVID-19 rate across the state.

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.

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)0,001
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 enseignants0,156
Score d'incertitude au seuil0,575

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,131
Tête enseignante GPT0,444
Écart entre enseignants0,313 · 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