Changing epidemiology of leptospirosis in China from 1955 to 2022
Notice bibliographique
Résumé
BACKGROUND: Leptospirosis, a zoonotic disease caused by pathogenic species of the genus Leptospira, is an important public health concern globally. Leptospirosis has been notifiable under statute in China since 1955, and its epidemiological characteristics have evolved during near 70 years. This study aimed to describe the spatial and temporal patterns and demographic characteristics of leptospirosis from 1955 to 2022 in China, and explore the possible factors that influence leptospirosis transmission risk. METHODS: Wavelet time series analysis, global Moran's I coefficients, space-time scanning statistics, and so on were used to analyze temporal, seasonal, geographic, and demographic trends in leptospirosis using reported national surveillance data from Chinese mainland from 1955 to 2022. Additionally, a Bayesian spatiotemporal model was used in a preliminary analysis to explore potential factors associated with leptospirosis occurrence. RESULTS: Between 1955 and 2022, China reported 25,236,601 leptospirosis cases, with 91% occurring from July to October. The annual incidence rate peaked at 38.28/100,000 during outbreaks in the 1960s-1980s but stabilized at a low level (0.07/100,000) between 2005 and 2022, with over 99% of cases in southern China. Clustering increased over time, being greatest during the period 2015-2022 (Moran's I = 0.41, P < 0.01). Space-time cluster analysis indicated that the most likely clusters were in northern provincial-level administrative divisions (PLADs) from 1955 to 1984, in southern PLADs from 1985 to 2022. The main identified risk factors of leptospirosis occurrence were annual average precipitation (3.68, 95% CI: 2.50 to 5.12), GDP per capita (-3.70, 95% CI: - 5.97 to - 1.41), and the total power of agricultural machinery (- 2.51, 95% CI: - 3.85 to - 1.17). CONCLUSIONS: Over past 70 years, leptospirosis in China has occurred as significant outbreaks but has ultimately declined to stable, low levels of occurrence. However, a clear north-south disparity persists, with tropical and subtropical regions in southern China remaining high-risk areas. The nearly 70-year dataset underscores the complex interplay of climate and socioeconomic factors influencing the disease's occurrence. Targeted prevention and control measures are critical to prevent outbreaks, especially in regions prone to extreme climatic events like heavy rainfall and floods, which may signal the resurgence of leptospirosis.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».