Exploring the gap between notified and diagnosed cases of Foodborne Diseases: evidence from a time-trend analysis in Italy.
Notice bibliographique
Résumé
Background: Foodborne diseases are a major global public health concern, causing significant morbidity and mortality worldwide. The COVID-19 pandemic has had widespread effects on various aspects of life, including the food supply chain, potentially impacting the incidence of foodborne diseases. This study aims to analyze the differences between notified and diagnosed cases and investigate the potential impact of the COVID-19 pandemic on foodborne diseases in the metropolitan area of Bologna, Italy. Study Design: A retrospective time trend analysis from two databases was conducted. Methods: The Local Health Authority of Bologna collected data re/Emilia-Romagna Region on the infectious disease reporting system over a six-year period (2017-2022), which included three years of the COVID-19 pandemic. This data was compared with information collected during the same period at the microbiology laboratory serving the entire metropolitan area of Bologna. Statistical methods included percent change calculations, binomial tests, annual averages, gender and age stratification, and trend analysis with regressio. Results: An increase (+34.4%, P-value ≤ 0.01) in notified cases during the pandemic - compared to the pre-pandemic period - was found. However, no differences were observed in diagnosed cases when comparing the two periods. The year 2021 saw a significant increase in reported cases of foodborne diseases among schoolers (+300.0%) and workers (+133.3%) compared to 2020. On the other hand, diagnosed cases decreased significantly in 2020 (-19.1%, P<0.01) and increased in 2021 (+21.9%, P<0.01). In absolute terms, a stark difference was observed between notified and diagnosed cases across all the study years (2017-2022). Conclusions: This study highlights the discrepancy between notified and diagnosed cases of foodborne diseases and how the COVID-19 pandemic has increased reporting without affecting transmission. These findings contribute to the ongoing discussion on improving foodborne disease reporting systems.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».