239 articles
L'épidémiologie étudie la manière dont les maladies se propagent au sein des populations et comment nous pouvons les contrôler. Ce domaine crucial ne se limite pas aux simples statistiques, mais explore les facteurs environnementaux et sociaux qui influencent notre santé collective, offrant des clés pour prévenir les crises sanitaires avant qu'elles ne s'étendent.
Sur Gist.Science, nous nous engageons à rendre ces recherches accessibles à tous en traitant systématiquement chaque nouveau prépublication provenant de medRxiv. Pour chaque article, nous proposons à la fois une explication claire en langage courant et un résumé technique détaillé, permettant à chacun de comprendre les enjeux sans barrière linguistique ou scientifique.
Découvrez ci-dessous les dernières études épidémiologiques analysées par notre équipe, issues directement des travaux récents déposés sur medRxiv.
Cette étude révèle que les événements de vie stressants sont associés à une dysrégulation métabolique, notamment dans les voies des acides gras et des acides biliaires, identifiant ainsi des signatures biologiques potentielles pour atténuer l'impact du stress sur la santé mentale et somatique.
Cette étude démontre que les essais cliniques sur les vaccins contre la shigellose sont sous-dimensionnés pour détecter des effets sur la croissance par une analyse globale, mais que l'estimation des effets au sein du sous-groupe « naturellement infecté » combinée à une conception rigoureuse de l'essai permet d'améliorer significativement la puissance statistique et d'éviter des résultats erronés.
Cette étude harmonisée de cinq essais multisites révèle que le rotavirus et le Shigella sont les principales causes de diarrhée modérée à sévère chez les enfants de moins de trois ans dans les milieux à faibles ressources, avec un fardeau qui se déplace progressivement vers le Shigella suite à l'introduction du vaccin contre le rotavirus.
Cet article présente un cadre méthodologique novateur combinant une matrice de croisement bidimensionnelle et un algorithme de bornage pour transformer les réponses catégorielles de l'AUDIT-C en estimations quantitatives précises, améliorant ainsi l'analyse des facteurs épidémiologiques dans les grandes biobanques comme le programme All of Us.
Cette revue systématique et méta-analyse révèle que la résistance aux antimicrobiens chez les bactéries prioritaires de l'OMS au Cameroun est élevée, inégalement répartie géographiquement et en augmentation significative au fil du temps, soulignant l'urgence de renforcer la surveillance dans une approche « Une seule santé ».
Cette étude analyse les dynamiques spatio-temporelles de l'infestation par les moustiques *Aedes* et de la transmission de la dengue à Porto Alegre (Brésil) entre 2018 et 2025, démontrant que l'intégration de données climatiques et entomologiques, notamment les variables décalées dans le temps, permet de développer des modèles prédictifs efficaces pour anticiper les risques épidémiques et optimiser les interventions de santé publique.
Cette étude démontre que la persistance du paludisme en Amazonie brésilienne, malgré un déclin global, est principalement pilotée par la synergie entre la déforestation et l'extrême pauvreté, soulignant la nécessité d'une approche « Une seule santé » intégrant protection environnementale et développement social pour atteindre les objectifs d'élimination.
Cette étude démontre que l'intégration de données de séroprévalence de cohortes avec des modèles d'apprentissage automatique interprétables et respectueux de la vie privée permet de prédire avec précision l'incidence du COVID-19 et d'identifier les facteurs comportementaux et démographiques clés de la transmission en Allemagne.
Cette étude présente et valide un laboratoire mobile optimisé pour la surveillance environnementale en Afrique subsaharienne, intégrant des technologies de séquençage nanopore et de qPCR pour la détection rapide de pathogènes et de gènes de résistance aux antimicrobiens dans des contextes à ressources limitées.
Cette étude propose un modèle d'ensemble basé sur l'apprentissage automatique pour prédire la pertinence environnementale de la fièvre jaune sauvage au Brésil à une échelle fine, révélant que la région Sud présente le risque le plus élevé et que l'occupation des sols est le facteur déterminant principal.