Seasonal Dynamics of Influenza and RSV in the Caribbean: A Call for Regionally Tailored Preventive Measures
Notice bibliographique
Résumé
Abstract Introduction Respiratory tract infections (RTIs) remain a leading global cause of morbidity and mortality, with the Caribbean reporting some of the highest incidence rates. The World Health Organization recommends tailoring prevention strategies to local viral epidemiology. We aim to characterize the seasonal trends and disease burden of major respiratory viruses in the Caribbean region of the Kingdom of the Netherlands. Methods We conducted a retrospective observational study using virological surveillance data routinely collected between 2018 and 2024 from Aruba, Bonaire, Curaçao, Sint Maarten, Saba, and Sint Eustatius. Seasonal patterns of rhinovirus, influenza virus and respiratory syncytial viruses (RSV) were modelled using generalised additive models. Associations with climate, tourism, age, and disease severity were assessed with generalised linear models. Results Rhinovirus was the most frequently detected virus across all islands. Influenza virus peaked between November and March (p < 0.001), aligning with seasonal trends in the Northern Hemisphere and coinciding with the high tourism season in Aruba (OR = 8.72; 95% CI: 6.37–12.10), Curaçao (OR = 3.05; 95% CI: 1.59–6.16), and Sint Maarten (OR = 10.83; 95% CI: 2.13–198.83). In contrast, RSV activity peaked from June to December (p < 0.001), corresponding with the rainy season in Aruba (OR = 6.42; 95% CI: 4.26–9.75), and Sint Maarten (OR = 7.27; 95% CI: 2.31–28.22). Rhinovirus detection was significantly associated with increased disease severity, including the need for oxygen therapy (OR = 2.78; 95% CI: 1.72-4.50) and presentation with dyspnoea or tachypnoea (OR = 2.26; 95% CI: 1.42-3.67). Conclusions RSV seasonality in the Caribbean aligns with the rainy season and diverged from patterns in the Netherlands, indicating that current European-based intervention schedules may not be optimally timed. By integrating virological surveillance data from all six islands, this study offers a unique regional perspective to inform public health policy.
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 | 0,006 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».