Incidence and prevalence of rabies virus infections in tested humans and animals in Asia: A systematic review and meta-analysis study
Notice bibliographique
Résumé
Introduction: Rabies is a fatal neurological zoonotic disease affecting warm-blooded animals, causing nearly 60,000 human deaths annually, primarily in developing Asian and African countries (95 % of cases). This review examines the prevalence and incidence of rabies in tested humans and animals across Asia. Methods: We searched for scientific articles published in peer-reviewed journals between 2010 and 2024 in electronic databases. Ninety-seven publications were selected for the assessment of the rabies prevalence and nine for the assessment of the rabies incidence. Results: Overall, the prevalence of rabies based on the random-effects meta-analysis was 23 % (95 % CI 22.7-23.4) in tested animals and 52 % (95 % CI 40.2-63.8) in tested humans. Among animals, foxes had the highest test prevalence of 78.3 % (95 % CI 70.4 %-86.2 %) followed by dogs (38.1 %, 95 % CI 31.2 %-45 %). The incidence in tested animals was 0.5 % (95 % CI 0.4 %-0.6 %) and 0 % (95 % CI 0 %-0 %) in tested humans. Among animals, dogs have the highest incidence at 0.7 % (95 % CI 0.5 %-0.8 %). Conclusion: Many Asian countries have eradicated rabies by implementing control measures such as animal registration, quarantine, isolation, and mandatory mass vaccination. However, rising fox populations now pose a potential risk for rabies spread in the region.
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 | 0,011 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,032 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 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) | 0,004 | 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 ».