Trend of the Tuberculous Pleurisy Notification Rate in Eastern China During 2017-2021: Spatiotemporal Analysis
Notice bibliographique
Résumé
BACKGROUND: Tuberculous pleurisy (TP) presents a serious allergic reaction in the pleura caused by Mycobacterium tuberculosis; however, few studies have described its spatial epidemiological characteristics in eastern China. OBJECTIVE: This study aimed to determine the epidemiological distribution of TP and predict its further development in Zhejiang Province. METHODS: Data on all notified cases of TP in Zhejiang Province, China, from 2017 to 2021 were collected from the existing tuberculosis information management system. Analyses, including spatial autocorrelation and spatial-temporal scan analysis, were performed to identify hot spots and clusters, respectively. The prediction of TP prevalence was performed using the seasonal autoregressive integrated moving average (SARIMA), Holt-Winters exponential smoothing, and Prophet models using R (The R Foundation) and Python (Python Software Foundation). RESULTS: The average notification rate of TP in Zhejiang Province was 7.06 cases per 100,000 population, peaking in the summer. The male-to-female ratio was 2.18:1. In terms of geographical distribution, clusters of cases were observed in the western part of Zhejiang Province, including parts of Hangzhou, Quzhou, Jinhua, Lishui, Wenzhou, and Taizhou city. Spatial-temporal analysis identified 1 most likely cluster and 4 secondary clusters. The Holt-Winters model outperformed the SARIMA and Prophet models in predicting the trend in TP prevalence. CONCLUSIONS: The western region of Zhejiang Province had the highest risk of TP. Comprehensive interventions, such as chest x-ray screening and symptom screening, should be reinforced to improve early identification. Additionally, a more systematic assessment of the prevalence trend of TP should include more predictors.
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 | 0,002 |
| 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 ».