Exploring Geospatial Clusters of Five Primary Respiratory Diseases in South Punjab, Pakistan: An Epidemiological Examination
Notice bibliographique
Résumé
Respiratory diseases constitute a significant burden of morbidity and mortality in developing nations such as Pakistan. This study aims to analyze five prevalent respiratory ailments - acute respiratory infections (ARI), tuberculosis (TB), pneumonia, asthma, and chronic obstructive pulmonary diseases (COPD) - within South Punjab, Pakistan. Utilizing the tehsil level (the administrative sub unit of district), case data spanning five years (2016-2020) were collected from 1,487 government health centers across the study area. Spatial analysis techniques including Local Moran’s I and Getis Ord Gi* statistics were employed to identify clusters and outliers. The results revealed spatial heterogeneity in respiratory disease prevalence, delineating both high-intensity (hotspots) and low-intensity (cold spots) clusters across the region. Specifically, ARI hotspots were observed in northeastern and central regions, asthma hotspots in central and north-central areas, COPD hotspot areas in the north and northeast, pneumonia hotspots in the central region, and TB hotspots predominantly in the central region. These findings offer critical insights for targeted public health interventions, facilitating resource allocation for disease prevention and control efforts. Additionally, this study presents recommendations addressing local environmental and socio-economic factors to mitigate respiratory disease incidence through administrative environmental management and community engagement strategies.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».