Waterborne cryptosporidiosis: Adopting a mixed methods approach to inform public health decision-making
Notice bibliographique
Résumé
This thesis is an investigation of the epidemiology of cryptosporidiosis in Waterloo Region, Ontario, Canada. This community is the first sentinel site of Canada's integrated enteric disease surveillance system, C-EnterNet. A modified case-control design was used to determine significant risk factors for cryptosporidiosis among Waterloo Region residents between April 2005 and December 2007. A cross-sectional telephone survey was used to estimate daily water consumption patterns for Waterloo Region residents for subsequent use in quantitative microbial risk assessments. Two quantitative microbial risk assessments were developed to estimate the risk of illness from recreational water contact (in natural and treated water venues) and through treated drinking water. Finally, a qualitative study of current key informant perceptions about the adoption of risk assessment by public health and water treatment practitioners to inform decision-making at the community level was performed. The results of this thesis identify how surveillance data, in conjunction with a mixed-method approach, can be used to develop hypotheses for cryptosporidiosis source attribution, to inform public health interventions at the local level. Although based on data from one community, the findings from this study correspond with those reported in other developed countries, and serve as a model for how other Canadian communities could take advantage of existing surveillance data to inform evidence-based public health decision-making. In addition, the thesis presents a case for addressing the issues of waterborne disease in Canadian communities within an ecosystem health framework, through the development of education and communication initiatives to align public health and water treatment practitioners. Finally, it identifies the usefulness of both traditional and novel epidemiological tools to inform public health decision-making at the community level.
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 | 0,162 | 0,143 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,011 | 0,006 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».