A Novel Municipal-Level Approach to Uncover the Hidden Burden of Hepatitis C: A Replicable Model for National Elimination Strategies
Notice bibliographique
Résumé
BACKGROUND: Hepatitis C Virus (HCV) remains a global health challenge as WHO elimination targets are not achievable in most countries, mainly due to the high number of undiagnosed individuals. In Italy, where national elimination efforts are ongoing, regional disparities further hinder progress. This study aimed to characterize the hidden burden of chronic HCV infection across t he territory of the Province of Salerno, Southern Italy, to suggest a novel municipal-level screening approach, with implications for national strategies. METHODS: We analyzed records of residents diagnosed with chronic HCV infection and linked to care between 2015 and 2022. Data included age, sex, municipality of residence, HCV genotype, and fibrosis stage. Observed prevalence was compared with expected prevalence derived from national/regional benchmarks. Municipalities were categorized as urban or rural based on the resident population. RESULTS: A total of 3528 cases were identified across 139 municipalities. Patients had a mean age of 63 years, and 54% were male. Half were diagnosed at an advanced stage (F3-F4), with genotype 1b being predominant. The hidden burden increased with age and showed a higher prevalence in rural areas compared to urban ones, with values of about 7 vs. 3 per 1000 inhabitants respectively. Logistic regression analysis identified age, male sex, urban residence, and genotype 1b as factors associated with advanced fibrosis or cirrhosis. CONCLUSIONS: This is the first Italian study to apply a standardized municipal-level classification to quantify the hidden burden of HCV. The model identifies underdiagnosed areas, highlights urban-rural disparities (a higher degree of underdiagnosis in rural areas versus a higher frequency of late diagnosis in urban ones), and provides a replicable tool for precision public health. Its adoption could enhance national HCV elimination efforts by supporting targeted screening, optimized resource allocation, and equitable access to care.
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 | 0,008 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».