The effects of rain and drought on incidence of enteric disease in Pennsylvania (2010–2019)
Notice bibliographique
Résumé
BACKGROUND: Campylobacter, nontyphoidal Salmonella, Cryptosporidium, and Giardia cause an estimated 1 million cases of domestically acquired waterborne diseases annually in the United States. Acute symptoms can include diarrhea and vomiting; however, these illnesses can result in longer term complications such as reactive arthritis, Guillan Barré syndrome and death, particularly in immunocompromised individuals. Precipitation and drought can plausibly increase the risk of enteric infections, but consensus in the literature is lacking. OBJECTIVES: To determine the effects of rain and drought on weekly counts of reportable enteric illness (due to Salmonella, Campylobacter, Giardia, or Cryptosporidium) in Pennsylvania, US between 2010 and 2019. METHODS: We obtained 10-years of data on confirmed illness from 66 Pennsylvania counties due to: Salmonella (9,924), Campylobacter (15,854), Giardia (4,537), and Cryptosporidium (4,017). A zero-inflated negative binomial model with random-intercept for county was used to assess the relationship between illnesses caused by these pathogens between 2010 and 2019, and weekly rain (cm) and Palmer Drought Severity Index (PDSI) values from the National Weather Service. The lag times that were tested, between illness and weather event, were chosen by calculating the cross correlation between the statewide average weekly rain and the statewide number of weekly cases. RESULTS: A positive association was found between rain and counts of campylobacteriosis, salmonellosis, and giardiasis. An increase in prior wetness (PDSI value) was associated with increased incidence rates of cryptosporidiosis and campylobacteriosis. The relationship between rain and PDSI and illness varied by organism type. DISCUSSION: Complex relationships exist between enteric disease and precipitation and prior environmental wetness. Our findings suggest that rainfall may be contributing to increased waterborne exposure. Further investigation is needed to explore these relationships with factors such as drinking water source, local geological conditions, presence of combined sewer overflows and agricultural activities, recreational water use and irrigation water sources to better elucidate important waterborne transmission pathways.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».