Descriptive epidemiology of Lassa fever, its trend, seasonality, and mortality predictors in Ebonyi State, South- East, Nigeria, 2018—2022
Notice bibliographique
Résumé
Nigeria is an epicenter for Lassa fever. Ebonyi state is located in the South-Eastern region of Nigeria where a high burden of Lassa fever has been reported. Therefore, this study was designed to assess the epidemiology of Lassa fever, its seasonality, trend, and mortality predictors in Ebonyi state, South-East, Nigeria. We analyzed data extracted from Ebonyi State Integrated Disease Surveillance and Response (IDSR) system over five years (2018–2022). A total of 1578 reported Lassa fever cases were captured in the IDSR out of which 300 were laboratory-confirmed. Data were analyzed using descriptive statistics, additive time series model, quadratic equation, and logistic regression model (α 0.05 ). Spatial distribution of reported Lassa fever cases was conducted using Arc G.I.S. The mean age of the individuals with the reported cases of Lassa fever was 29.4 ± 17.8 years. Lassa fever showed a seasonal trend across the years. The quadratic model provided the best fit for predicting Lassa fever cumulative cases (R 2 = 98.4%, P-value < 0.05). Projected cases of Lassa fever for the year 2023 were 123 in the 1st quarter, 23 in the 2nd quarter, 42 in the 3rd quarter, and 17 in the 4th quarter. The seasonality index was + 70.76, -28.42, -9.09, and -33.2 in the 1st, 2nd, 3rd, and 4th quarters respectively. The reported cases of Lassa fever followed a declining trend (slope = -0.1363). Farmers were 70% less likely to die from Lassa fever compared to those not working (aOR:0.3, CI: 0.17–0.83). The hot spots for Lassa fever were Abakaliki and Ezza Local Government Areas. Although the reported Lassa fever cases followed a declining trend in Ebonyi state, there was a seasonality in the disease pattern. Being a farmer was protective against the risk of dying from Lassa fever. While efforts to eliminate and mitigate the spread of the disease in Ebonyi state should be strengthened, more attention should target the peak period of the disease.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».