Frequency and Pattern of Crimean Congo Haemorrhagic Fever in Pakistan-Analysis of Tertiary Care Hospital Data of Karachi Pakistan 2013-2022
Notice bibliographique
Résumé
Background: Crimean Congo Hemorrhagic Fever (CCHF) is a tick-borne viral infection that is endemic in multiple countries in Africa, Europe, and Asia. Lack of public awareness, inadequate infrastructure, limited facilities, unhygienic practices, failure of early diagnosis, climate changes, and worst socioeconomic conditions have all contributed to rising disease incidence in underdeveloped countries like Pakistan. Methods: Concerning the dire situation, the current study aims to evaluate the relationship between multiple factors including patient demographics (age, sex, and residential area), timeframe, and climate changes to rising disease load and also the survival status. For this purpose, a descriptive study has been performed. Real-time data has been collected from tertiary care hospitals in Karachi, Pakistan from January 2013 to August 2022 that has not been reported yet. The cases were taken from the hospital records using as standard case definition for the duration of 2013 to 2022. Results: Analysis revealed that a total of 164 CCHF cases were reported of which 57% (n=98 discharged), 48% (n=68 died), and 3% (n=5 LAMA). Of all cases reported 85% (n=144) were male, of which 59% (n=85 discharged) and 41% (n=59 died). Among 20 females 65% (n=13 discharged) and 35% (n=7 died) with p -value<0.05. The highest number of cases 25% (n=41) were reported in 2018 with the greatest disease burden from July to September. The overall case fatality of CCHF was 41% (n=68). The mean age of male patients was 33.76 while female was 42.6. Mostly the cases reported were from Karachi 60% (n=99) followed by Balochistan 21% (n=35). Within Karachi, the highest no of cases was reported from Korangi district 23% (n=23). Interestingly, greater cases and mortality were recorded from highly populated, non-marginalized, less affluent areas due to poor hygiene, less awareness, illiteracy, and fewer facilities. Conclusions: Crimean Congo Haemorrhagic fever is prevailing in the country. The mortality rate associated with the disease is higher. The incidence of the disease is found to be high in the male population which is due to the occupation of animal handling.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».