MétaCan
Menu
← Retour à la cohorte
Enregistrement W7117586217 · doi:10.1136/bmjopen-2024-096544

Epidemiological characteristics of major respiratory infectious diseases in Baiyin, China, from 2014 to 2023: a descriptive epidemiological study

2025· article· en· W7117586217 sur OpenAlexaff
Zongying Zhan, Tiancheng Xie, Tianshuo Zhao, X H Zhang, Sihui Zhang, Mingting Wang, Qingsong Xu, Yujie Cheng, Ying Liu, Shubo Yang, Fuqiang Cui

Notice bibliographique

RevueBMJ Open · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueRespiratory viral infections research
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesnon disponible
Mots-clésEpidemiologyIncidence (geometry)TuberculosisEpidemiological methodPublic healthCoronavirus disease 2019 (COVID-19)Respiratory system

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To analyse temporal trends of respiratory infectious diseases (RIDs) in Baiyin City from 2014 to 2023, aiming to explore the epidemiological patterns of these diseases (tuberculosis, scarlet fever, pertussis, measles, influenza, mumps, varicella and rubella) and provide evidence for developing effective prevention and control strategies. DESIGN AND SETTING: A descriptive epidemiological study was conducted to analyse the incidence of tuberculosis, scarlet fever, pertussis, measles, influenza, mumps, varicella and rubella in Baiyin City, China, from 2014 to 2023, using data from the national notifiable disease reporting system. PARTICIPANTS: All reported cases of eight notifiable RIDs in Baiyin City between 2014 and 2023 were included in the analysis. Data were categorised by age and sex. METHODS: Joinpoint Regression Software was employed to estimate both the annual percentage change in incidence and the average annual percentage change, facilitating a phased comparison of incidence trends. RESULTS: Between 2014 and 2023, the annual incidence of major bacterial RIDs (tuberculosis, scarlet fever and pertussis) in Baiyin City fluctuated between 52.69 and 87.94 per 100 000 population, demonstrating an overall declining trend. Specifically, the annual decrease rates for the age groups of 0-14 years, 15-59 years and ≥60 years were 11.62% (95% CI -20.26% to -2.16%), 6.44% (95% CI -10.37% to -2.46%) and 5.15% (95% CI -9.12% to -1.07%), respectively. The annual incidence of major viral RIDs (measles, influenza, mumps, varicella and rubella) fluctuated between 111.70 per 100 000 and 541.12 per 100 000. No significant temporal trend was observed for major viral RIDs in Baiyin City. With the exception of pertussis, measles and rubella, the overall incidence rate was significantly higher in males than in females (p<0.01). The major viral RIDs predominantly affected children aged 0-14 years, while the major bacterial RIDs were primarily observed in individuals aged 60 years and older. CONCLUSION: From 2014 to 2023, the annual incidence of major bacterial RIDs in Baiyin City showed an overall decline, mainly due to a reduction in tuberculosis incidence, whereas the annual incidence of major viral RIDs fluctuated and rose sharply in 2023. The overall incidence of both major bacterial and viral RIDs was consistently higher in males, with major viral RIDs occurring predominantly in children aged 0-14 years and major bacterial RIDs being more common in older adults aged ≥60 years. Further efforts are needed to monitor the epidemiological patterns and develop strategies to reduce the incidence of major viral RIDs, particularly among children aged 0-14 years.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,160
Tête enseignante GPT0,485
Écart entre enseignants0,326 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Open→Même sujetRespiratory viral infections research→Travaux en français237 207→