427 artigos
A epidemiologia é a ciência que estuda como as doenças se espalham e quem elas afetam, funcionando como um radar essencial para a saúde pública. Neste espaço, exploramos pesquisas que mapeiam surtos, identificam fatores de risco e avaliam estratégias de prevenção, traduzindo dados complexos em insights compreensíveis para todos.
No Gist.Science, monitoramos diariamente o medRxiv, o repositório de pré-prints da área médica, para trazer as descobertas mais recentes antes mesmo da publicação formal. Processamos cada novo estudo nesta categoria, oferecendo tanto resumos técnicos detalhados para especialistas quanto explicações em linguagem simples para o público geral, garantindo que o conhecimento flua rapidamente e com clareza.
Abaixo, você encontra a seleção mais atual de artigos de epidemiologia, organizados para facilitar sua leitura e compreensão das tendências que moldam o futuro da saúde global.
Este estudo de coorte populacional não encontrou evidências de que a atividade física, seja autorrelatada ou objetivamente medida, influencie positivamente o volume hipocampal ou a função cognitiva, sugerindo em vez disso uma possível relação de causalidade reversa e um viés de superestimação da atividade física em idosos.
Uma análise secundária do ensaio aleatorizado INTEGRATION em Mali e Burkina Faso revelou que uma intervenção comunitária de quatro meses, que integrava a distribuição de tratamento preventivo intermitente para malária durante a gravidez nas visitas domiciliares de quimioprevenção sazonal, não produziu efeitos estatisticamente significativos na cobertura de cuidados pré-natais, na incidência de malária na gravidez ou nos desfechos adversos de parto e gravidez.
Este estudo demonstra que o viroma de águas residuais em 15 cidades do Texas exibe padrões sazonais previsíveis e interconectados, permitindo o desenvolvimento de modelos de aprendizado de máquina capazes de prever com precisão a dinâmica de patógenos virais e inferir períodos de amostragem, estabelecendo uma base para monitoramento proativo e detecção precoce de surtos.
Este estudo utiliza métodos de aprendizado de máquina para definir critérios padronizados de surtos de febre tifoide e prever, com base em fatores socioambientais, quais países têm maior risco de enfrentar epidemias de grande escala, permitindo respostas mais rápidas e eficazes.
O estudo demonstra que a transmissão de *Onchocerca volvulus* na região de Kakoi-Koda, na República Democrática do Congo, diminuiu significativamente ao longo do tempo devido a intervenções de tratamento e mudanças no uso da terra, embora a vigilância integrada continue sendo necessária para guiar decisões sobre a interrupção do tratamento.
Um estudo com 38.740 participantes na Dinamarca revelou que a disposição do público para compartilhar dados de saúde com IA varia conforme o tipo de dado e o setor (público ou privado), sendo maior para imagens médicas e instituições públicas, embora um alto nível de incerteza persista em todas as categorias.
O estudo EVOLVE-HBV revelou que, em uma população rural de KwaZulu-Natal, África do Sul, a prevalência de infecção e exposição ao vírus da hepatite B é elevada (10,4% e 34,9%, respectivamente) enquanto a imunidade vacinal permanece baixa, destacando a necessidade urgente de ampliar intervenções para alcançar as metas globais de eliminação até 2030.
Este estudo comparativo no Reino Unido revela que, embora as ex-militares apresentem perfis de trauma mais severos e frequentes do que as mulheres civis, a associação entre classes de trauma e resultados de saúde mental é menos consistente no grupo militar, sugerindo que vulnerabilidades iniciais, experiências militares e exposições pós-serviço influenciam diferentemente esses grupos.
Este estudo apresenta um método generalizável para avaliar a fragilidade e a robustez de meta-análises de resultados binários em relação a dados ausentes, demonstrando, através de uma análise sobre a associação entre vitamina D e mortalidade por câncer, que mesmo grandes conjuntos de dados podem ser altamente sensíveis a pequenas alterações ou omissões, exigindo cautela na interpretação de resultados conflitantes.
O artigo apresenta o modelo SEVA, uma estrutura baseada em fatores externos que, ao eliminar o feedback de transmissão, consegue reproduzir de forma parcimoniosa as características temporais das ondas de mortalidade da COVID-19 na primavera de 2020, sugerindo que a dinâmica sazonal e ambiental desempenha um papel crucial na formação dessas ondas.