MétaCan
Menu
Retour à la cohorte
Enregistrement W4410877642 · doi:10.1016/j.idm.2025.05.006

Regional variation and epidemiological insights in malaria underestimation in Cameroon

2025· article· en· W4410877642 sur OpenAlexafffund
Sarafa A. Iyaniwura, Qing Kai Han, Ngem Bede Yong, Ghislain Rutayisire, Agnes Adom‐Konadu, David P. Tchouassi, Kingsley Badu, Jude Dzevela Kong

Notice bibliographique

RevueInfectious Disease Modelling · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueMalaria Research and Control
Établissements canadiensUniversity of TorontoArtificial Intelligence in Medicine (Canada)York University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaNational Institutes of HealthLos Alamos National LaboratoryNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsInternational Development Research CentreU.S. Department of Energy
Mots-clésMalariaGeographyVariation (astronomy)EpidemiologyBiologyMedicineImmunology

Résumé

récupéré en direct d'OpenAlex

Background: Despite significant global effort to control and eradicate malaria, many cases and deaths are still reported yearly. These efforts are hindered by several factors, including the severe underestimation of cases and deaths, especially in Africa. Methods: We used a mathematical model, incorporating the underestimation of cases and seasonality in mosquito biting rate, to study the malaria dynamics in Cameroon. Using a Bayesian inference framework, we calibrated our model to the monthly reported malaria cases in ten regions of Cameroon from 2019 to 2021 to quantify the underestimation of cases and estimate other important epidemiological parameters. We performed Hierarchical Clustering on Principal Components analysis to understand regional disparities, looking at underestimation rates, population sizes, healthcare personnel, and healthcare facilities per 1000 people. Results: We found varying levels of case underestimation across regions, with the East region having the lowest (14 %) and the Northwest having the highest (70 %). The mosquito biting rate peaks once every year in most regions, except in the Northwest where it peaks every 6.02 months and in Littoral every 15 months. We estimated a median mosquito biting rate of over 5 bites/day for most regions with Littoral having the highest (9.86 bites/day). Two regions have rates below five: Adamawa (4.78 bites/day) and East (4.64 bites/day). Conclusions: The low case estimation underscores the pressing requirement to bolster reporting and surveillance systems. Regions in Cameroon display a range of unique features contributing to the differing levels of underestimation. These distinctions should be considered when evaluating the efficacy of community-based interventions.

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)0,004
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,090

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,035
Tête enseignante GPT0,307
Écart entre enseignants0,271 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInfectious Disease ModellingMême sujetMalaria Research and ControlTravaux en français237 207