MétaCan
Menu
Retour à la cohorte
Enregistrement W4408827653 · doi:10.1186/s12879-025-10782-0

A nationwide joint spatial modelling of simultaneous epidemics of dengue, chikungunya, and Zika in Colombia

2025· article· en· W4408827653 sur OpenAlexafffund
Laís Picinini Freitas, Mabel Carabalí, Alexandra M. Schmidt, Jorge Emilio Salazar Flórez, Brayan Ávila Monsalve, César García-Balaguera, Berta Nelly Restrepo, Gloria Isabel Jaramillo, Kate Zinszer

Notice bibliographique

RevueBMC Infectious Diseases · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueMosquito-borne diseases and control
Établissements canadiensMcGill UniversityUniversité de MontréalInstitut National de Santé Publique du Québec
Organismes subventionnairesFonds de Recherche du Québec - SantéCanadian Institutes of Health ResearchUniversidad Cooperativa de ​Colo​mb​iaNatural Sciences and Engineering Research Council of CanadaWellcome Trust
Mots-clésChikungunyaDengue feverAedes albopictusOdds ratioMedicineGeographyDemographyEnvironmental healthVirologyAedes aegyptiBiologyInternal medicineEcology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Chikungunya, and Zika emerged in the 2010s in the Americas, causing simultaneous epidemics with dengue. However, little is known of these Aedes-borne diseases (ABDs) joint patterns and contributors at the population-level. METHODS: We applied a novel Poisson-multinomial spatial model to the registered cases of dengue (n = 291,820), chikungunya (n = 75,913), and Zika (n = 72,031) by municipality in Colombia, 2014-2016. This model estimates the relative risk of total ABDs cases and associated factors, and, simultaneously, the odds of presence and contributors of each disease using dengue as a baseline category. This approach allows us to identify combined characteristics of ABDs, since they are transmitted by the same mosquitoes, while also identifying differences between them. RESULTS: We found an increased ABDs risk in valleys and south of the Andes, the Caribbean coast, and borders, with temperature as the main contributor (Relative Risk 2.32, 95% Credible Interval, CrI, 2.05-2.64). Generally, dengue presence was the most probable among the ABDs, although that of Zika was greater on Caribbean islands. Chikungunya and Zika were more likely present than dengue in municipalities with less vegetation (Odds Ratio, OR, 0.75, 95%CrI 0.65-0.86, and 0.85, 95%CrI 0.74-0.99, respectively). Chikungunya tended to be present in more socially vulnerable areas than dengue (OR 1.20, 95%CrI 0.99-1.44) and Zika (OR 1.19, 95%CrI 0.95-1.48). CONCLUSIONS: Important differences between the ABDs were identified and can help guide local and context-specific interventions, such as those aimed at preventing cases importation in border and tourism locations and reducing chikungunya burden in socially vulnerable regions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,362
Score d'incertitude au seuil0,720

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,260
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Infectious DiseasesMême sujetMosquito-borne diseases and controlTravaux en français237 207