A multi-quarter assessment of sample rejection and cold chain deviations in Lassa fever surveillance in Nigeria, 2024–2025
Notice bibliographique
Résumé
Introduction Lassa fever, a severe viral disease endemic to Nigeria, poses ongoing public health threats, with rapid diagnosis essential for outbreak control. Rising sample rejection rates and unstable logistical temperatures upon sample arrival at the National Reference Laboratory (NRL) compromise diagnostic accuracy. This study examines rejection trends and causes, identifies states with the highest rejection rates, and assesses regional and seasonal temperature deviations from the First Quarter, Second Quarter, Third Quarter, and Fourth Quarter of 2024 to the First Quarter of 2025. Findings aim to guide improvements in sample handling and surveillance logistics. Methods This retrospective study analysed 1,929 Lassa fever samples received at the NRL. utilizing Epi Info for descriptive statistics to assess rejection rates, transport temperatures, and trends across states and quarter. Results he overall rejection rate was 0.73%, rising from 0.28% in Q1 2024 to 4.08% in Q4 2024, before declining to 2.28% in Q1 2025. No rejections occurred in Q2 2024. Kogi and Ondo had the highest rejection proportions (17.65% each), while Benue, contributing over half of the total samples, accounted for 11.76% of rejections. Predominant causes of rejection were Case Investigation Form (CIF) without samples and sample spillage (35.29% each), followed by mismatched information and missing CIFs (11.76% each), and improper packaging (5.88%). Mean reception temperature was 17.68°C, above the World Health Organization’s recommended 2–8°C. The Second Quarter had the highest mean (18.74°C), and the Third Quarter the lowest (15.58°C). Zamfara recorded optimal cold chain conditions (3.2°C), while coastal states such as Rivers and Akwa Ibom recorded elevated rainy season temperatures. Conclusion The study reveals that although overall rejection rates were low, temperature instability and documentation gaps significantly compromised sample quality. It emphasizes the impact of these factors on diagnostic reliability and recommends addressing data completeness and transport time to improve outbreak response.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».