MétaCan
Menu
Retour à la cohorte
Enregistrement W4413385971 · doi:10.1016/j.lansea.2025.100657

Leveraging the influenza sentinel surveillance platform for SARS-CoV-2 monitoring in Bangladesh (2020–2024): a prospective sentinel surveillance study

2025· article· en· W4413385971 sur OpenAlexaff
Md. Ariful Islam, Md Zakiul Hassan, Zubair Akhtar, Saju Bhuiya, Tanzir Ahmed Shuvo, Probir Kumar Ghosh, Asad Ullah, Md Abdullah Al Jubayer Biswas, Mustafizur Rahman, Mohammad Jubair, Mst. Noorjahan Begum, Yeasir Karim, Mahbubur Rahman, Mohammad Enayet Hossain, Mohammad Niaz Morshed Khan, Tahmina Shirin, Shah Niaz Rubaid Anwar, Ahmed Nawsher Alam, Mohammad Ferdous Rahman Sarker, Monalisa Monalisa, Manjur Hossain Khan Jony, Mahmudur Rahman, Mohammad Abdul Aleem, Fahmida Chowdhury

Notice bibliographique

RevueThe Lancet Regional Health - Southeast Asia · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensCentre for Global Health Research
Organismes subventionnairesCenters for Disease Control and Prevention
Mots-clésCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Medicine2019-20 coronavirus outbreakVirologyInternal medicineOutbreakInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Background: There is limited global evidence on whether influenza sentinel surveillance platforms can be effectively adapted for long-term SARS-CoV-2 monitoring in low-resource contexts. We explored the utility of the hospital-based influenza sentinel surveillance (HBIS) platform for monitoring SARS-CoV-2 in Bangladesh by comparing SARS-CoV-2 detection in HBIS platform with national COVID-19 platform and assessing how its integration into influenza surveillance aligns with national trends. Methods: From March 2020 to December 2024, we analysed data from patients with severe acute respiratory infection (SARI) and influenza-like illness (ILI) enrolled in HBIS. Socio-demographic and clinical data were recorded, and nasopharyngeal and oropharyngeal swabs were tested for influenza and SARS-CoV-2 using rRT-PCR. Whole-genome sequencing was performed on a subset of SARS-CoV-2-positive samples. Data from national COVID-19 platform were obtained from the Directorate General of Health Services, Bangladesh, and were compared with HBIS platform data using epidemic curves and Pearson correlation analysis. Findings: = 0.86, P < 0.001). Sequencing of 234 SARS-CoV-2 strains detected the beta and delta variants in April and May 2021, respectively, and omicron subvariants circulating from 2022 to 2024, aligning with the national COVID-19 platform. Interpretation: SARS-CoV-2 positivity trends in HBIS platform closely aligned with the national COVID-19 platform, demonstrating its potential as a sustainable platform for COVID-19 monitoring. Our findings underscore the feasibility of influenza sentinel surveillance as an early warning system for future COVID-19 outbreaks or other respiratory viruses of pandemic concern in Bangladesh and similar settings. Funding: Centers for Disease Control and Prevention (CDC), Atlanta, Georgia, USA (U01GH002259).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,021
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,100
Tête enseignante GPT0,381
Écart entre enseignants0,280 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Lancet Regional Health - Southeast AsiaMême sujetSARS-CoV-2 detection and testingTravaux en français237 207