Risk Factors for Typhoid Fever: Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Typhoid fever, a significant global health problem, demonstrates a multifaceted transmission pattern. Knowledge of the factors driving its transmission is critical for developing effective control strategies and optimizing resource allocation. OBJECTIVE: This review aimed to comprehensively synthesize evidence on risk factors associated with typhoid fever transmission from 1928 to 2024. METHODS: We searched PubMed, Scopus, Google Scholar, and Semantic Scholar databases using keywords related to risk, contributors, determinants, and causes of typhoid fever. We followed a registered protocol to support our search and triangulated the results. RESULTS: Overall, we retrieved 1614 articles, of which 219 were reviewed. Of these, 109 addressed multiple, non-mutually exclusive typhoid fever risk factors. Unsurprisingly, of the total articles reviewed on risk factors, approximately 70.6% (77/109) originated from the Asian continent (51/109, 46.8%) and the African continent (26/109, 23.9%). Half of the articles (55/109, 50.5%) focused on risk factors related to demographic and socioeconomic transmission, while 44% (48/109) of the articles examined foodborne transmission. Additional risk factors included water, sanitation, and hygiene practices: waterborne transmissions (45/109, 41.3%) and sanitation and hygiene practices (34/109, 31.2%), travel-related risk (19/109, 17.4%), antimicrobial use (14/109, 12.8%), climate-related factors (15/109, 13.8%), environment-related factors (9/109, 8.3%), typhoid carriers (11/109, 10.1%), and host-related risk factors (6/109, 5.5%). CONCLUSIONS: This review identifies demographic and socioeconomic factors as key drivers of typhoid transmission, underscoring the need for targeted interventions. Strengthening street food regulation in urban Asia and investing in water infrastructure in rural Africa can significantly mitigate risk. Integrating water, sanitation, and hygiene interventions with typhoid vaccines can reduce immediate exposure while enhancing long-term immunity. Prioritizing these strategies in schools and high-risk communities is essential for sustainable typhoid control. Future research should focus on longitudinal studies to assess risk factor causality and vaccine impact, guiding more effective public health 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 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 | 0,005 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,009 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».