Temporal, spatial and space–time distribution of infections caused by five major enteric pathogens, Ontario, Canada, 2010–2017
Notice bibliographique
Résumé
AIMS: In Canada, enteric diseases pose substantial health and economic burdens. The distribution of these diseases is uneven across both geography and time and understanding these patterns is therefore important for the prevention of future outbreaks. We evaluated temporal, spatial and space-time clustering of laboratory-confirmed cases of Campylobacter spp. (n = 28,728), non-typhoidal Salmonella spp. (n = 22,640), Shiga toxin-producing Escherichia coli (STEC; n = 1340), Yersinia spp. (n = 1674) and Listeria monocytogenes (n = 471) infections, reported between 2010 and 2017 inclusive in Ontario, the most populous province in Canada (population ~ 13,500,000 in 2016). METHODS AND RESULTS: For each enteric pathogen, we calculated the mean incidence rates (IRs) for Ontario's 35 public health unit (PHU) areas and visualized them using choropleth maps. We identified temporal, spatial and space-time high infection rate clusters using retrospective Poisson scan statistics. Campylobacter and Salmonella infections had the highest IRs, while Listeria infections had the lowest. Campylobacter, Salmonella, STEC and Listeria mostly clustered temporally in the spring/summer and sometimes extended into fall, while Yersinia showed a less clear seasonal pattern. The IR visualizations and spatial and space-time scan statistics showed geographic heterogeneity of infection rates with high infection rate clusters detected mainly in PHUs across the southwestern and central-western regions of Ontario for Campylobacter, Salmonella and STEC infections, and mainly in PHUs located in the central-eastern regions for Yersinia and Listeria. A high proportion of cases in some of the significant Salmonella, STEC and Listeria infection clusters were linked to disease outbreaks. CONCLUSIONS: Results from this study will inform heightened public health surveillance, and prevention and control programmes, in populations and regions of high infection rates. Further research is needed to determine the pathogen-specific socioeconomic, environmental and agricultural risk factors that may be related to the temporal and spatial disease patterns we observed in our study.
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) | 0,000 | 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 ».