The effect of meteorological factors on severe fever with thrombocytopenia syndrome: Evidence from 34 Chinese cities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Severe fever with thrombocytopenia syndrome (SFTS) is a climate-sensitive infectious disease, and its spatial distribution has been expanding in recent years. This study aimed to investigate the influence of meteorological factors on SFTS incidence. Methods: Data on SFTS was extracted from the Infectious Disease Surveillance Report Management System from January 1, 2011 to December 31, 2023. A two-stage hierarchical analytical framework was employed in this study. First, a distributed lag nonlinear model was utilized to characterize the nonlinear exposure-response relationships between meteorological factors and the incidence of SFTS at the municipal level. Second, a multivariate meta-analysis was conducted to synthesize city-specific effect estimates, with explicit adjustment for inter-regional heterogeneity. Results: : 0.10-0.80). Conclusions: This study demonstrates that temperature and precipitation significantly influence SFTS incidence, with effects lagging consistently by 1-2 months. These findings can be integrated into China's Smart Multi-Point Surveillance System by incorporating region-specific meteorological thresholds to trigger early warnings. The system could then activate targeted interventions, such as tick control measures, accounting for the observed 1-2 month lag between climatic conditions and disease occurrence. Such climate-adaptive approaches would enhance the precision and timeliness of SFTS prevention and control efforts nationwide.
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.
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 | 0,000 |
| 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 découle