MétaCan
Menu
Retour à la cohorte
Enregistrement W4395467577 · doi:10.1093/cid/ciae072

Subnational Projections of Lymphatic Filariasis Elimination Targets in Ethiopia to Support National Level Policy

2024· article· en· W4395467577 sur OpenAlexaff
Joaquín M. Prada, Panayiota Touloupou, Biruck Kebede, Emanuelle Giorgi, Heven Sime, Morgan E. Smith, Periklis Kontoroupis, Paul E. Brown, Jorge Cano, Hajnal Farkas, Lisa J. Reimer, Rocio Caja Rivera, Sake J. de Vlas, Edwin Michael, Wilma A. Stolk, Rachel Pulan, Simon E. F. Spencer, T. Déirdre Hollingsworth, Fikre Seife

Notice bibliographique

RevueClinical Infectious Diseases · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueParasitic Diseases Research and Treatment
Établissements canadiensBC Centre for Disease Control
Organismes subventionnairesLi Ka Shing FoundationWorld Health OrganizationBill and Melinda Gates Foundation
Mots-clésPsychological interventionGeospatial analysisContext (archaeology)Lymphatic filariasisTransmission (telecommunications)Neglected tropical diseasesEndemic diseasePovertyDiseaseIntervention (counseling)Environmental healthGeographyMedicineFilariasisEconomic growthComputer scienceImmunologyCartographyEconomicsPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Lymphatic filariasis (LF) is a debilitating, poverty-promoting, neglected tropical disease (NTD) targeted for worldwide elimination as a public health problem (EPHP) by 2030. Evaluating progress towards this target for national programmes is challenging, due to differences in disease transmission and interventions at the subnational level. Mathematical models can help address these challenges by capturing spatial heterogeneities and evaluating progress towards LF elimination and how different interventions could be leveraged to achieve elimination by 2030. METHODS: Here we used a novel approach to combine historical geo-spatial disease prevalence maps of LF in Ethiopia with 3 contemporary disease transmission models to project trends in infection under different intervention scenarios at subnational level. RESULTS: Our findings show that local context, particularly the coverage of interventions, is an important determinant for the success of control and elimination programmes. Furthermore, although current strategies seem sufficient to achieve LF elimination by 2030, some areas may benefit from the implementation of alternative strategies, such as using enhanced coverage or increased frequency, to accelerate progress towards the 2030 targets. CONCLUSIONS: The combination of geospatial disease prevalence maps of LF with transmission models and intervention histories enables the projection of trends in infection at the subnational level under different control scenarios in Ethiopia. This approach, which adapts transmission models to local settings, may be useful to inform the design of optimal interventions at the subnational level in other LF endemic regions.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,117
Tête enseignante GPT0,496
Écart entre enseignants0,379 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Infectious DiseasesMême sujetParasitic Diseases Research and TreatmentTravaux en français237 207