305 articoli
L'epidemiologia studia come le malattie si diffondono nelle popolazioni e quali fattori influenzano la salute pubblica. Questo campo è fondamentale per capire i focolai, prevenire epidemie e guidare le decisioni sanitarie che ci riguardano tutti, trasformando dati complessi in azioni concrete per la comunità.
Su Gist.Science, selezioniamo ogni nuovo preprint pubblicato su medRxiv in questa categoria, garantendo l'accesso immediato alle ricerche più recenti. Per ogni documento, offriamo sia un riassunto tecnico approfondito che una spiegazione semplice, rendendo la scienza avanzata comprensibile a tutti senza perdere precisione.
Di seguito trovate l'elenco aggiornato degli ultimi studi in epidemiologia disponibili su medRxiv, pronti per essere esplorati nelle nostre sintesi.
Uno studio su oltre 72.000 madri ha dimostrato che fattori psichiatrici e cardiometabolici, come depressione, insonnia e BMI elevato, mediano parzialmente l'impatto dell'istruzione materna sul successo dell'allattamento al seno, suggerendo che interventi mirati alla salute materna potrebbero migliorare le pratiche di allattamento.
Uno studio sulla coorte sudafricana Drakenstein ha dimostrato che l'esposizione prenatale congiunta a pesticidi e fattori psicosociali, in particolare insicurezza alimentare e violenza, accelera l'età epigenetica nei primi cinque anni di vita, con i fattori psicosociali che contribuiscono maggiormente all'effetto totale rispetto ai metaboliti chimici.
Questo studio analizza i profili metabolomici di 3.264 partecipanti, rivelando che gli eventi stressanti della vita sono associati a una disregolazione metabolica, in particolare nelle vie degli acidi grassi e biliari, con risultati replicati in coorti olandesi e cinesi.
Lo studio dimostra che, sebbene i tradizionali trial clinici su larga scala siano spesso sottopotenziati per rilevare l'impatto dei vaccini contro lo Shigella sulla crescita lineare, l'analisi del sottogruppo di bambini naturalmente infetti combinata con una progettazione attenta del trial (come calendari di immunizzazione e siti ad alta incidenza) aumenta significativamente la potenza statistica e riduce il rischio di risultati nulli o inversi.
Questa analisi armonizzata di cinque studi multisito rivela che, nei contesti a risorse limitate, rotavirus e Shigella sono le cause dominanti della diarrea moderata-grave nei bambini sotto i tre anni, con un carico di malattia che si sposta verso la Shigella dopo l'introduzione del vaccino contro il rotavirus.
Questo studio presenta un nuovo framework metodologico che combina una matrice di cross-tabulazione bidimensionale e un algoritmo di calcolo dei limiti per analizzare i dati categorici dell'AUDIT-C nei biobanche su larga scala, migliorando la risoluzione e l'interpretazione delle esposizioni comportamentali all'alcol in relazione a variabili epidemiologiche come i disturbi d'ansia, il servizio militare e le varianti genetiche.
Questa revisione sistematica e meta-analisi evidenzia che la resistenza antimicrobica nei batteri prioritari dell'OMS in Camerun è elevata, distribuita in modo disomogeneo tra le regioni e in significativa crescita nel tempo, sottolineando l'urgenza di rafforzare la sorveglianza in un'ottica One Health.
Questo studio analizza le dinamiche spaziotemporali dell'infestazione da *Aedes* e della trasmissione della dengue a Porto Alegre (2018-2025), dimostrando come variabili climatiche, in particolare la frequenza delle precipitazioni e la temperatura, insieme a fattori ritardati, siano fondamentali per sviluppare modelli predittivi che integrano dati entomologici e climatici per migliorare la sorveglianza e le interventi di sanità pubblica.
Nonostante il declino generale dei casi di malaria in Brasile, lo studio rivela che la persistenza della trasmissione nell'Amazzonia legale è guidata principalmente dalla sinergia tra deforestazione e povertà estrema, rendendo necessario un approccio "One Health" che integri protezione ambientale e sviluppo sociale per raggiungere l'obiettivo di eliminazione del 2035.
Questo studio dimostra che l'integrazione di dati di sieroprevalenza di popolazione con modelli di machine learning interpretabili e analisi di privacy differenziale consente di prevedere accuratamente l'incidenza locale del COVID-19 e di identificare i principali fattori comportamentali e immunologici alla base della trasmissione.