排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
胡建雄 刘涛 肖建鹏 何冠豪 容祖华 殷李华 万东华 曾韦霖 龚德鑫 郭凌川 朱志华 曾丽连 康敏 宋铁 钟豪杰 何剑峰 孙立梅 李艳 马文军 《中华流行病学杂志》2020,41(5):657-661
目的 评估广东省各市新型冠状病毒的疫情输入风险,并进行短期风险预警。方法 获取截至2020年2月25日广东省21个地级市和其他各省报告病例数及百度迁徙指数,计算广东省各城市的累计疫情输入风险指数,对输入风险指数与病例报告数进行相关性分析以确定滞后时间,最后根据风险指数划分疫情输入风险等级。结果 广东省累计报告确诊病例1 347例,90.0%的病例聚集在珠三角地区。广东省平均每天的疫情输入风险指数为44.03。在各市的输入风险来源中,湛江市的最大风险来自海南省,其他市均来自湖北省,广东省的相邻省份也有较大影响。广东省滞后4 d的疫情输入风险指数与每日新增病报告例数的相关性最高(r=0.73)。各市累计4 d的风险预警显示,未来4 d东莞、深圳、中山、广州、佛山和惠州市具有高输入风险,累计输入风险指数分别为38.85、21.59、11.67、11.25、6.19和5.92,最高风险仍来源于湖北省。结论 广东省外来人口较多的城市具有较高的疫情输入风险,湖北省和广东省的邻近省份是输入疫情的主要省份。 相似文献
2.
3.
4.
目的 研究孕妇妊娠期大气污染复合暴露与胎盘及新生儿发育情况之间的暴露反应关系。方法 基于2016—2017年在广州市开展的前瞻性出生队列研究收集孕妇及其胎盘和胎儿信息。运用分位数g计算(Qg-comp)模型估计大气污染混合物暴露对胎盘生长发育指标(重量、体积和胎盘体重比)和新生儿出生体重的联合效应,探索暴露敏感窗口及敏感人群。结果 所有研究对象的胎盘重量、胎盘体积、胎盘体重比和新生儿出生体重■分别为(524.10±66.50)g、(730.10±186.40)cm3、16.94%±3.40%和(3 154.07±448.41)g。孕早期大气污染复合暴露与胎盘重量(β=-5.34 g,95%CI:-9.64 g~-1.04 g)、胎盘体积(β=-13.16 cm3,95%CI:-24.73 cm3~-1.60 cm3)呈负相关,但是孕晚期复合暴露与胎盘重量(β=7.76 g,95%CI:1.78 g~13.73 g)和胎盘体重比(β=0.50%,95%CI:0.20%~0.80%)呈正相关。分层分析结... 相似文献
5.
6.
7.
目的 比较广州、温州市两个城市新型冠状病毒肺炎(COVID-19)的流行模式,并评估两个城市疫情的防控效果。方法 获取截至2020年2月29日广州和温州市COVID-19确诊病例的个案数据,绘制两个城市疫情的流行曲线,收集不同时间的防控措施,计算在两个城市的实时再生数。结果 广州和温州市分别纳入确诊病例346例和465例,两个城市病例均集中在30~59岁(广州市:54.9%;温州市:70.3%)。流行曲线显示广州和温州市的每日发病数分别在1月27日与1月26日到达峰值,随后出现下降趋势。两个城市的发病高峰均出现在湖北省输入病例的抵达高峰后,且温州市的湖北省输入病例的抵达高峰早于广州市。广州市一直以输入病例为主,温州市从前期的以输入病例为主转变为后期以本地病例为主。虽然两个城市流行模式存在差异,在采取了有力的防控措施后,两个城市均取得了较好的防控效果。结论 COVID-19输入疫情可导致两种不同的流行模式,但采取强有力的防控措施,均能有效控制疫情蔓延。 相似文献
8.
目的 调查新冠肺炎疫情期间公众口罩使用和认知情况及疫情基本防护意识,为今后疫情健康教育工作提供依据。方法 采用网络调查法,在“广东疾控”微信公众号发布问卷,以自行设计的调查表做自填式问卷调查。收集基本信息、口罩使用情况及防护信息,采用描述性方法和Logistic回归分别对公众口罩使用情况及新冠疫情防护意识强度的影响因素进行分析。结果 共回收有效问卷2 213份,97.0%调查对象在本次疫情期间佩戴口罩,96.5%调查对象在公共场所使用口罩,89.8%调查对象使用一次性医用普通或外科口罩,94.5%调查对象1~3 d更换1次口罩;80.6%调查对象认同口罩的防护作用,58.5%调查对象有较强防护意识,女性(OR=1.792)和≥60岁年龄组(OR=4.245)的调查对象防护意识较强。结论 疫情期间公众的口罩使用率和基本防护意识较高,性别和年龄是防护意识的影响因素。 相似文献
9.
目的 构建肠道寄生虫卵的粪检显微图像数据集,建立一个深度学习模型,为肠道寄生虫疾病辅助诊断提供技术支撑。方法 利用显微镜和数码相机采集12种肠道寄生虫虫卵显微图像,经预处理后对虫卵的类别和位置进行标注,形成粪检显微图像数据集。以掩膜区域卷积神经网络深度学习模型作为框架,对标定框回归、分类、掩膜进行训练,并评估其性能。结果 构建的图像数据集共6 299张图片,涵盖了10 944个虫卵图像。经测试建立的深度学习模型总体识别准确率为90.20%,12种虫卵的准确率为58.65%(曼氏迭宫绦虫卵)~100.00%(蛲虫卵)。结论 构建肠道寄生虫卵的显微图像数据集和利用卷积神经网络建立肠道寄生虫卵显微图像的识别模型可为寄生虫相关疾病的辅助诊断提供技术支撑。 相似文献
1