Burden of Chikungunya Fever and Its Economic and Social Impacts Worldwide: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVES: This study aimed to investigate the social and economic impacts and disease burden of Chikungunya Fever globally through a systematic literature review. METHODS: We performed a comprehensive literature search through MEDLINE (via PubMed), LILACS, and Embase databases, and grey literature, including studies of populations diagnosed with Chikungunya Fever or at risk of infection published in English, Spanish, French, or Portuguese, without date restrictions. Two reviewers independently performed study selection, data extraction, and quality assessment. Methodological quality was assessed using different tools. RESULTS: Forty-three publications were included. Until 2013, publications originated solely from the Asian and African continents. From 2015 onwards, South America emerged as the predominant source. Publications were classified as cost studies (25), including cost-of-illness (18) and program cost (6); burden of disease studies (10); cost-outcome studies (4), including cost-effectiveness (3) and cost-utility (1); and quality-of-life studies (15). Reported total direct costs associated with Chikungunya Fever ranged from US$ 3.5 million (US Virgin Islands, 2014-2015) to US$ 83.6 billion (Region of the Americas, 2013-2015). Direct medical costs varied from US$ 308.94 (Tamil Nadu, India, 2006) to US$ 33.7 million (Réunion Island, 2005-2006). Vector control program costs ranged from US$ 888,000 annually (Greece, 2013-2017) to US$ 466 million (Brazil, 2016). Estimated disability-adjusted life years per 100,000 population ranged from 4.53 (India, 2006) to 2432 (Region of the Americas, 2013-2015). Quality-of-life studies demonstrated substantial declines across multiple domains, indicating significant functional impairment due to Chikungunya Fever. CONCLUSION: Chikungunya Fever imposes a considerable economic and social burden, surpassing that of other endemic arboviral diseases such as dengue and yellow fever. These findings underscore the need for further research to accurately quantify the full scope of Chikungunya Fever-related costs and impacts on affected populations.
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 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,018 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| 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 ».