The epidemiologic and economic burden of dengue in Singapore: A systematic review
Notice bibliographique
Résumé
BACKGROUND: Despite its well-regarded vector control program, Singapore remains susceptible to dengue epidemics. To assist evaluation of dengue interventions, we aimed to synthesize current data on the epidemiologic and economic burden of dengue in Singapore. METHODOLOGY: We used multiple databases (PubMed, Embase, Cochrane, international/national repositories, surveillance) to search for published and gray literature (2000-2022). We included observational and cost studies, and two interventional studies, reporting Singapore-specific data on our co-primary outcomes, dengue incidence and dengue-related costs. Quality was assessed using the Newcastle-Ottawa Scale and an adapted cost-of-illness evaluation checklist. We performed a narrative synthesis and grouped studies according to reported outcomes and available stratified analyses. FINDINGS: In total, 333 reports (330 epidemiological, 3 economic) were included. Most published epidemiological studies (89%) and all economic studies were of good quality. All gray literature reports were from the Ministry of Health or National Environment Agency. Based predominantly on surveillance data, Singapore experienced multiple outbreaks in 2000-2021, attaining peak incidence rate in 2020 (621.1 cases/100,000 person-years). Stratified analyses revealed the highest incidence rates in DENV-2 and DENV-3 serotypes and the 15-44 age group. Among dengue cases, the risk of hospitalization has been highest in the ≥45-year-old age groups while the risks of dengue hemorrhagic fever and death have generally been low (both <1%) for the last decade. Our search yielded limited data on deaths by age, severity, and infection type (primary, secondary, post-secondary). Seroprevalence (dengue immunoglobulin G) increases with age but has remained <50% in the general population. Comprising 21-63% indirect costs, dengue-related total costs were higher in 2010-2020 (SGD 148 million) versus the preceding decade (SGD 58-110 million). CONCLUSION: Despite abundant passive surveillance data, more stratified and up-to-date data on the epidemiologic and economic burden of dengue are warranted in Singapore to continuously assess prevention and management strategies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,012 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».