Reassessing global historical ℛ <sub>0</sub> estimates of canine rabies
Notice bibliographique
Résumé
Abstract Rabies spread by domestic dogs continues to cause tens of thousands of human deaths every year in low- and middle-income countries. Nevertheless rabies is often neglected, perhaps because it has already been eliminated from high-income countries through dog vaccination. Estimates of canine rabies’s intrinsic reproductive number ( ℛ 0 ), a metric of disease spread, from a wide range of times and locations are relatively low (values < 2), with narrow confidence intervals. Given rabies’s persistence, this consistently low and narrow range of estimates is surprising. We combined incidence data from historical outbreaks of canine rabies from around the world with in-depth contact-tracing data from Tanzania to investigate initial growth rates ( r 0 ), generation-interval distributions ( G ), and reproductive numbers ( ℛ 0 ). We improved on earlier estimates by choosing outbreak windows algorithmically; fitting r 0 using a more appropriate statistical method that accounts for decreases through time; and incorporating uncertainty from both r 0 and G in our confidence intervals on ℛ 0 . Our ℛ 0 estimates are larger than previous estimates, with wider confidence intervals. These revised ℛ 0 estimates suggest that a greater level of vaccination effort will be required to eliminate rabies than previously thought, but that the level of coverage required remains feasible. Our hybrid approach for estimating ℛ 0 and its uncertainty is applicable to other disease systems where researchers estimate ℛ 0 by combining data-based estimates of r 0 and G .
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».