427 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.
Die LIFE-Adult-Studie fand keine positiven Effekte von körperlicher Aktivität auf Hippocampusvolumen oder kognitive Funktionen, deutete jedoch auf eine Reverse-Kausalität hin, bei der ein höheres Gehirnalter die körperliche Leistungsfähigkeit verringert, sowie auf eine altersbedingte Überschätzung der Aktivität durch Selbstberichte.
Die sekundäre Analyse der INTEGRATION-Studie in Mali und Burkina Faso ergab, dass eine viermonatige, gemeindebasierte Intervention zur Verabreichung von IPTp-SP während der saisonalen Malaria-Chemoprophylaxe keinen statistisch signifikanten Einfluss auf die antenatale Versorgung, die Malaria-Inzidenz in der Schwangerschaft oder adverse Schwangerschafts- und Geburts outcomes hatte.
Diese Studie demonstriert, dass das menschliche Abwasser-Virom über drei Jahre hinweg in 15 texanischen Städten starke saisonale Muster und vernetzte ökologische Dynamiken aufweist, die den Einsatz von maschinellem Lernen für die präzise Vorhersage von Virusvorkommen und die frühzeitige Erkennung von Ausbrüchen ermöglichen.
Diese Studie nutzt maschinelle Lernverfahren, um standardisierte Kriterien zur Definition von Typhus-Ausbrüchen zu etablieren und basierend auf Faktoren wie sanitärer Versorgung und Urbanisierung das Risiko für großflächige Epidemien in verschiedenen Ländern vorherzusagen, um so gezielte Impfkampagnen und rechtzeitige Gegenmaßnahmen zu ermöglichen.
Die Studie belegt einen signifikanten Rückgang der Onchozerkose-Übertragung im Kakoi-Koda-Fokus der DR Kongo durch den kombinierten Einsatz von Ivermectin und Moxidectin sowie durch landschaftliche Veränderungen, die zu einer Verschiebung der Vektorspezies führten, und unterstreicht die Notwendigkeit gezielter Überwachung für zukünftige Interventionsentscheidungen.
Die Studie zeigt, dass die Bereitschaft der Öffentlichkeit in Dänemark, Gesundheitsdaten für KI zu teilen, stark von der Art der Daten und dem öffentlichen versus privaten Kontext abhängt, wobei die Zustimmung für öffentliche Institutionen höher ist und Unsicherheiten bei allen Datentypen bestehen.
Die retrospektive Querschnittsstudie EVOLVE-HBV zeigt in einer ländlichen Bevölkerung in KwaZulu-Natal, Südafrika, eine hohe Prävalenz von HBV-Infektionen und -Expositionen bei gleichzeitig niedriger Impfschutzrate, was einen dringenden Bedarf an verstärkten Interventionsmaßnahmen zur Erreichung der globalen Eliminationsziele unterstreicht.
Die Studie zeigt, dass sich Trauma-Profile und deren Zusammenhang mit psychischen Gesundheitsproblemen zwischen ehemaligen britischen Militärangehörigen und zivilen Frauen unterscheiden, wobei Ex-Militärangehörige zwar häufiger Traumata erlebten, die Assoziation zwischen Trauma-Klassen und negativen psychischen Folgen jedoch weniger ausgeprägt war als bei Zivilisten.
Diese Studie stellt eine neue Methode zur Bestimmung der Fragilität und Robustheit von Meta-Analysen mit binären Ergebnissen vor, die zeigt, dass selbst große Stichproben wie bei Vitamin-D-Studien anfällig für kleine Datenänderungen sind und daher bei der Interpretation widersprüchlicher Befunde besondere Vorsicht geboten ist.
Die Studie stellt das SEVA-Framework vor, ein extern gesteuertes Modell, das die zeitlichen Muster der COVID-19-Sterblichkeit im Frühjahr 2020 erfolgreich nachbildet, indem es die Epidemiedynamik von der klassischen Übertragungsrückkopplung entkoppelt und stattdessen auf saisonale sowie umweltbedingte Einflüsse zurückführt.