Rabies surveillance in the United States during 2022
Notice bibliographique
Résumé
OBJECTIVE: To provide comprehensive epidemiological information about the distribution and occurrence of rabies during 2022 in the US, Canada, and Mexico. METHODS: The US National Rabies Surveillance System collected 2022 animal rabies data from US state and territorial public health departments and USDA Wildlife Services. Temporal and geographic analyses were conducted to evaluate trends in animal rabies cases. RESULTS: During 2022, 54 US jurisdictions reported 3,579 animal rabies cases, reflecting a 2.3% decline from 3,663 cases reported in 2021. Six states collectively reported > 50% of animal rabies cases: Texas (395 [11.0%]), Virginia (337 [9.4%]), Pennsylvania (329 [9.2%]), New York (267 [7.5%]), North Carolina (264 [7.4%]), and California (241 [6.7%]). Out of the total reported rabies animal cases, 3,234 (90.4%) were attributed to wildlife, with bats (1,218 [34.0%]), raccoons (1,014 [28.3%]), skunks (660 [18.4%]), and foxes (269 [7.5%]) representing the primary hosts confirmed with rabies. Rabid cats (222 [6.2%]), cattle (42 [1.2%]), and dogs (50 [1.4%]) constituted > 90% of reported domestic animal rabies cases. CONCLUSIONS: In 2022, there was an increase in the number of animal samples submitted for rabies testing in the US and Canada. A notable geographic expansion of gray fox rabies virus variant was detected in the US. Three human rabies deaths due to vampire bat rabies infection occurred in Mexico; none were reported from the US and Canada. CLINICAL RELEVANCE: Laboratory diagnosis of rabies in animals is critical to ensure judicious use of human rabies postexposure prophylaxis.
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 | 0,004 | 0,002 |
| 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 | 0,001 |
| 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 ».