Leçons tirées de la gestion de la syphilis au Nunavut, Canada, 2012 à 2020
Bibliographic record
Abstract
Contexte : Le Nunavut, territoire qui fait partie de l’Inuit Nunangat, est une vaste région dans le nord du Canada qui abrite une population de plus de 38 000 personnes. La majorité de la population (85 %) s’identifie comme Inuit. Le Nunavut a connu une hausse importante du nombre de cas de syphilis infectieuse dans sa population hétérosexuelle depuis 2012. La gestion des maladies transmissibles, notamment la syphilis, est difficile en raison du roulement élevé du personnel et des longs délais de transport des spécimens. Les déterminants sociaux de la santé sont également des facteurs contributifs importants. Cette étude vise à décrire l’épidémiologie et les éléments du programme sur la syphilis infectieuse de 2012 à 2020 dans le but de mettre en évidence des interventions qui pourraient s’avérer bénéfiques. Méthodes : La syphilis est une maladie à déclaration obligatoire au Nunavut, et tous les cas sont signalés au ministère de la Santé du territoire. Les cas ont été déclarés par un médecin consultant. Les données ont été analysées et publiées dans des rapports publics dans le cadre du programme de santé publique. Résultats : De 2012 à 2020, 655 cas de syphilis infectieuse ont été signalés, dont 53 % chez des femmes. Les taux d’infection étaient les plus élevés chez les personnes âgées de 20 à 39 ans. Les cas déclarés au cours de cette période variaient considérablement selon la région géographique, et la majorité des cas infectieux ont été signalés dans la région de Kivalliq. Malgré 48 cas signalés pendant la grossesse, il n’y a eu aucun cas confirmé de syphilis congénitale. Le personnel du programme a cerné les forces des interventions ainsi que les besoins continus, comme les ressources en langage clair disponibles dans plusieurs langues. Conclusion : Malgré les défis logistiques liés à la gestion de la syphilis dans le territoire, les résultats globaux ont été positifs, et aucun cas congénital confirmé n’a été identifié. Nous attribuons cela à un effort coordonné de multiples partenaires, notamment des interventions clés d’infirmières de la santé publique et de représentants de la santé communautaire.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".