Global Prevalence of Non-Polio Enteroviruses Pre- and Post COVID-19 Pandemic
Notice bibliographique
Résumé
Non-polio enteroviruses continue to cause numerous epidemics world-wide that range from mild to severe disease, including acute flaccid paralysis, meningitis, severe respiratory infections and encephalitis. Using publicly available data we present a comprehensive global and regional temporal distribution of non-polio enteroviruses, with a focus on highly prevalent genotypes. We found that regional distribution did vary compared to global prevalence where the top prevalent genotypes included CVA6 and EV-A71 in Asia, EV-D68 in North America and CVA13 in Africa, while E-30 was prevalent in Europe, South America and Oceania. In 2020, the COVID-19 pandemic did interrupt non-polio enterovirus detections globally, and cases rebounded in subsequent years, albeit at lower prevalence and with decreased genotype diversity. Environmental surveillance for non-polio enteroviruses does occur and has been used in some regions as an early-warning system; however, further development is needed to effectively supplement potential gaps in clinical surveillance data. Overall, monitoring for non-polio enteroviruses is critical to identify true incidence, improve understanding of genotype circulation, provide an early warning system for emerging/re-emerging genotypes and allow for better outbreak control.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».