235 Arbeiten
Epidemiologie untersucht, wie sich Krankheiten in Populationen ausbreiten und welche Faktoren diesen Prozess beeinflussen. Dieser Bereich hilft uns zu verstehen, warum bestimmte Gruppen stärker betroffen sind und wie wir Infektionsketten wirksam unterbrechen können. Auf Gist.Science machen wir die neuesten Forschungsergebnisse aus diesem dynamischen Feld für alle verständlich, ohne dass Sie Fachjargon beherrschen müssen.
Alle hier gelisteten Studien stammen direkt von medRxiv, wo Forscher ihre Vorab-Veröffentlichungen teilen. Unser Team verarbeitet jedes neue Preprint in dieser Kategorie und erstellt sowohl eine einfache Zusammenfassung für ein breites Publikum als auch eine detaillierte technische Analyse für Experten. So bleiben Sie stets über den aktuellen Stand der Wissenschaft informiert, lange bevor die Ergebnisse in Fachzeitschriften veröffentlicht werden.
Im Folgenden finden Sie die aktuellsten Beiträge aus dem Bereich Epidemiologie, die wir gerade für Sie aufbereitet haben.
Diese Studie untersucht die Dynamik großflächiger H1N1-Grippeausbrüche mithilfe eines mechanistischen Modells, das das Zusammenspiel von Infektionsraten, dem Verlust der Immunität durch virale Evolution und Impfungen analysiert, um die Mechanismen hinter den beobachteten Wiederaufflammungen zu erklären.
Die Studie nutzt einen Triangulationsansatz aus empirischen Analysen und Simulationen, um zu zeigen, dass plausible Selektionsmechanismen den beobachteten schützenden Effekt von Adipositas im frühen Leben auf das Brustkrebsrisiko nicht vollständig erklären können, was eine kausale Interpretation stützt.
Die Studie zeigt, dass in Uganda im Zeitraum 2023–24 die Prävalenz mehrerer genetischer Marker für Resistenzen gegen Artemisinin, Chloroquin und Antifolate auf einem hohen Niveau verharrt und eine ausgeprägte geografische Heterogenität aufweist, was eine fortgesetzte landesweite molekulare Überwachung zur Steuerung der Behandlungs- und Chemoprophylaxe-Politik unterstreicht.
Die Studie stellt TrialScout vor, ein auf einem Large Language Model basierendes Werkzeug, das klinische Studien aus ClinicalTrials.gov mit ihren Ergebnispublikationen in PubMed verknüpft und dabei eine hohe Genauigkeit sowie Effizienz im Vergleich zu menschlichen Kodierern nachweist.
Diese populationsbasierte Studie liefert Evidenz für bidirektionale Beziehungen zwischen Depression, Angst und Harninkontinenz bei Frauen, wobei Depressionen und Neurotizismus als kausale Risikofaktoren für den Beginn von Harninkontinenz identifiziert wurden.
Diese Querschnittsstudie zur 2022 TDHS-MIS-Datenanalyse zeigt, dass 27,46 % der schwangeren Frauen in Tanzania Intimpartnergewalt erfahren, wobei emotionale Gewalt am häufigsten ist und Risikofaktoren wie Alkoholkonsum des Partners, Polygamie und längere Beziehungsdauer mit einem erhöhten Risiko verbunden sind, während ein Heiratszertifikat und ein Kind protektiv wirken.
Die Studie stellt ein maschinelles Lern-Framework vor, das auf Umfragedaten basiert, um heterogene Kontaktnetzwerke zu konstruieren, die sowohl Altersstruktur als auch Kontaktvielfalt abbilden und damit realistischere Epidemiemodelle sowie präzisere Bewertungen von Public-Health-Interventionen ermöglichen.
Die Studie zeigt, dass die sogenannte „Mitfahrer-Bias" (Hitchhiker bias) bei der symptombasierten Überwachung von Infektionskrankheiten zu verzerrten Einschätzungen der Schwere und des zeitlichen Verlaufs von Viren führt, wenn diese gemeinsam mit anderen, schwereren Erregern zirkulieren, und stellt ein Modell zur Korrektur dieser Verzerrung vor.
Diese Simulationsstudie zeigt, dass die Anpassung an Instrumentvariablen im Rahmen großer Propensity-Score-Modelle nur eine vernachlässigbare Verzerrung verursacht, solange die Korrelation mit der Behandlung unter 0,5 liegt und die Gleichgewichtsbewertung über 0,5 hinausgeht, was die Strategie stützt, viele Kovariaten einzubeziehen, anstatt nur eine begrenzte Menge an Confoundern zu identifizieren.
Diese Studie entwickelt einen theoretisch fundierten mechanistischen Modellierungsrahmen, der auf der Theorie der fundamentalen Ursachen basiert, um nachzuweisen, dass in Brasilien während der COVID-19-Pandemie präexistierende strukturelle Ungleichheiten die Haupttreiber der Mortalitätsgradienten waren, während eine gerechte Priorisierung vulnerabler Gemeinden bei Impfungen und Maßnahmen diese Ungleichheiten hätte ausgleichen können.