Self-reported tick exposure as an indicator of Lyme disease risk in an endemic region of Quebec, Canada
Notice bibliographique
Résumé
BACKGROUND: Lyme disease (LD) and other tick-borne diseases are emerging across Canada. Spatial and temporal LD risk is typically estimated using acarological surveillance and reported human cases, the former not considering human behavior leading to tick exposure and the latter occurring after infection. OBJECTIVES: The primary objective was to explore, at the census subdivision level (CSD), the associations of self-reported tick exposure, alternative risk indicators (predicted tick density, eTick submissions, public health risk level), and ecological variables (Ixodes scapularis habitat suitability index and cumulative degree days > 0 °C) with incidence proportion of LD. A secondary objective was to explore which of these predictor variables were associated with self-reported tick exposure at the CSD level. METHODS: Self-reported tick exposure was measured in a cross-sectional populational health survey conducted in 2018, among 10,790 respondents living in 116 CSDs of the Estrie region, Quebec, Canada. The number of reported LD cases per CSD in 2018 was obtained from the public health department. Generalized linear mixed-effets models accounting for spatial autocorrelation were built to fulfill the objectives. RESULTS: Self-reported tick exposure ranged from 0.0 % to 61.5 % (median 8.9 %) and reported LD incidence rates ranged from 0 to 324 cases per 100,000 person-years, per CSD. A positive association was found between self-reported tick exposure and LD incidence proportion (ß = 0.08, CI = 0.04,0.11, p < 0.0001). The best-fit model included public health risk level (AIC: 144.2), followed by predicted tick density, ecological variables, self-reported tick exposure and eTick submissions (AIC: 158.4, 158.4, 160.4 and 170.1 respectively). Predicted tick density was the only significant predictor of self-reported tick exposure (ß = 0.83, CI = 0.16,1.50, p = 0.02). DISCUSSION: This proof-of-concept study explores self-reported tick exposure as a potential indicator of LD risk using populational survey data. This approach may offer a low-cost and simple tool for evaluating LD risk and deserves further evaluation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».