《罗马尼亚蛔虫、肠杆菌病和囊性棘球蚴病自动机器学习的回顾性分析和时间序列预测-沈阳杂志期刊论文发表》期刊简介
罗马尼亚蛔虫、肠杆菌病和囊性棘球蚴病自动机器学习的回顾性分析和时间序列预测-沈阳杂志期刊论文发表
· 贝内克,
· 贝内克,
· 马吕斯·库坦
· 米赫妮亚·多修斯
· 克里斯蒂安·弗拉代斯库,
· 维克托·奥尔萨夫斯基
· 发表日期：2021年11月1日
· 文章
· 作者
· 度量标准
· 评论意见
· 媒体报道
· 读者评论(0)
· 数字
?
这是一个未经更正的证据。
数字
摘要
被忽视的热带疾病(NTD)的流行病学一直没有得到优先重视，尽管NTD在最贫穷人口和地球上最不发达国家中普遍存在。这种情况需要进行彻底和有效的公共卫生干预。罗马尼亚正处于成为发达国家的边缘。然而，尽管最近进行了公共卫生改革，这个东南欧国家似乎还是一个容易受到寄生虫病负担低估的地区。此外，罗马尼亚在2007年加入欧洲联盟(欧盟)后，显然缺乏新的NTD流行病学数据。利用罗马尼亚住院病人的ICD-10数据集，我们生成了2008-2018年的时间序列数据集。目的是深入了解这一期间3种选定的高度地方性寄生虫病，即蛔虫病、肠杆菌病和囊性包虫病(CE)的流行病学分布情况，并对今后两年的情况进行预测。通过描述性和推理性分析，我们观察到三个NTD的病例数都在下降。在区域一级出现了若干分布特点。此外，我们使用一种新的自动时间序列(AutoTS)机器学习工具进行了预测，并且有趣地显示了这些寄生NTD的稳定过程。这样的预测可以帮助公共卫生官员和医疗组织实施有针对性的疾病预防和控制。据我们所知，这是罗马尼亚首次在全国范围内对蛔虫病、肠杆菌病和CE进行回顾性分析。它也是第一次使用AutoTS技术进行寄生NTD。
作者摘要
众所周知，东欧和东南欧由于过去几十年动荡的历史事件和不受控制的社会经济波动而受到被忽视的寄生性热带疾病(NTD)的严重影响。罗马尼亚是这样一个东南欧国家的一个例子，1989年共产主义垮台后，这个国家的寄生性NTD负担很高，但此后在发展方面取得了重大进展。然而，关于罗马尼亚在2007年加入欧洲联盟后发生的寄生性NTD事件的数据很少。我们利用罗马尼亚2008-2018年期间的ICD-10数据集，对其三种最相关的寄生虫病--蛔虫病、肠杆菌病和囊性包虫病(CE)进行了回顾性流行病学分析，并证实了与该国贫困率下降密切相关的下降趋势。通过使用一种名为自动时间序列机器学习的新技术，我们预测了这些疾病在接下来的2019年和2020年的进展。据观察，预测速率是恒定的。这种机器学习工具可以帮助公共卫生官员调整和改进有针对性的措施，以打击寄生性NTD。
引用：文章题目：Benecke J，Benecke C，Ciutan M，Doius M，Vladescu C，Olsavszky V(2021)罗马尼亚蛔虫病、肠杆菌病和囊性包虫病的自动机器学习回顾性分析和时间序列预测。PLOS Negl trop Dis 15(11)：e0009831。Https://doi.org/10.1371/journal.pntd.0009831
编者：加拿大蒙特利尔大学Kate Zinszer
收到：2020年11月23日；接受：(二0二二一年九月二十二日)出版：2021年11月1日
版权：2021年Benecke等人这是一篇以CreativeCommonsAttribution许可证，允许在任何介质中不受限制地使用、分发和复制，只要原始作者和源被记入帐户。
数据可得性：主数据集不能公开共享，因为它是一个全国性数据集，在11年期间有6 000万个条目。然而，我们可以提供从ICD-10数据集中提取的次级数据，即每年每个坚果-II区域被分析的三种寄生虫病的总数。这些数据不包含任何机密信息，可以被其他人用来复制我们在研究中提出的结果。这个二级时间序列数据库存放在网上(Https://www.synapse.org/#！Synapse：syn25870975/files/)。
供资：提交人没有收到这项工作的具体资金。
相互竞争的利益：提交人宣布，不存在任何相互竞争的利益。
缩略语：ICD-10，“国际疾病分类”，第十版；国家统计单位名称；卫生组织，世界卫生组织沈阳杂志期刊论文发表
导言
被忽视的热带疾病(NTD)是由细菌感染、病毒感染或寄生虫感染引起的一组传染病[1,2]。NTD被“忽视”，因为它们通常被忽视，而且在西方国家的流行率通常较低[3,4]。它们与贫困有关，它们发生在保健、卫生和清洁水供应不足的地区。它们也在人们与动物和病媒关系密切的地区茁壮成长。4]。他们在欧洲的发病率主要归因于来自疫区或寻求庇护者的旅行者。5].
在考虑个别欧洲地区时，东欧和东南欧的寄生NTD发生率较高[6,7]。鉴于过去几十年铁幕倒塌、1989年革命和巴尔干战争等历史事件造成这些地区的社会经济不稳定，NTD有条件在这种破坏社会和经济稳定的环境中茁壮成长。7,8]。政府和兽医监管最少，肉类检查不足，也可能是导致被忽视的寄生虫人畜共患病率高的原因之一。8–10].
上述情况普遍存在于东南欧国家罗马尼亚.罗马尼亚有许多有记载的寄生性NTD，特别是原生动物和蠕虫[8,11]。仅对罗马尼亚的寄生虫病进行了少数流行病学研究，大多数是从1990年代初到2008年左右进行的。尽管如此，由于肠道寄生虫发病率高，已成为一个重要的公共卫生问题。7,11–13]。原因是大型屠宰场停产，传统的“养猪施舍”持续存在，涉及后院屠宰和不卫生条件。14].
除了影响生活在贫穷和不健康条件下的人外，肠寄生性NTD还影响到罗马尼亚的青年人口。0~14岁儿童蛔虫发病率最高[12]。蛔虫是由蛔虫引起的。蛔虫是全世界最流行的蠕虫感染[15]。儿童往往有较高的蠕虫负担，他们在环境中不加区别地大便，在玩耍时收集感染卵，从而维持了侵扰率。15,16]。全世界每年约有60,000人死于蛔虫[17]。这种疾病会引起严重的并发症，如肠梗阻、阑尾炎或腹膜炎。这些情况需要住院[18]。罗马尼亚蛔虫病流行率差别很大，在4%至69.1%之间；上一次报告的年份是2006年[12,13].
在罗马尼亚共产党垮台前后，另一种广泛传播的蠕虫病是肠杆菌病。它是由粉刺虫引起的。[医]蛔虫 [13]。这种NTD是最古老和最常见的肠道寄生虫之一，影响着全世界大约2亿人[19,20]。肠杆菌病主要是无症状的。然而，它会导致子宫颈、骨盆、泌尿道和腹膜的感染[21]。流行率E. [医]蛭虫胃肠道感染占4%至28%[22]。有些作者甚至认为E. [医]蛭虫是引起阑尾炎最重要的原因之一23]。因此，严重形式的肠杆菌病也需要住院，加强诊断和治疗。此外，罗马尼亚肠道线虫感染的平均住院时间计算为3至25天[24]。据报告，1993年至2006年期间，罗马尼亚0至14岁儿童肠杆菌病的发病率甚至高于蛔虫病[12]。肠杆菌病与蛔虫病一起，是罗马尼亚最常见的NTD之一，占各种寄生虫阳性检测结果的5.8%。13].
最后，细粒棘球蚴是罗马尼亚另一种高度流行的蠕虫25]。这种类型的绦虫负责NTD，称为“囊性包虫病”，导致肝、肺或其他器官中一个或多个囊肿的发展。26]。在罗马尼亚，近50%的出生至19岁的患者患有肝或肺感染[13]。当地流行病学数据表明，几乎一半罗马尼亚地区中至少有一人接受过囊性包虫病手术。27]。此外，罗马尼亚被列为全球最高CE率之一。28].
罗马尼亚自2007年加入欧洲联盟(欧盟)以来，在卫生、安全和食品标准方面实施了更强有力的政策[29]。尽管罗马尼亚人的健康状况有所改善，出生时预期寿命自2000年以来增加了四年，但仍然需要解决重大挑战。这些因素包括与地区收入有关的巨大差距、传染病的控制和获得医疗服务的机会[30,31]。此外，2007年以后，只分析了少数几种寄生虫病的分布情况，如带菌病和囊虫病。8]、隐孢子虫病和贾第病[32,33]。直至2014年，行政长官只在横断面研究设计中进行分析[34]罗马尼亚国家一级显然缺乏关于寄生性NTD、蛔虫病、肠杆菌病和CE的新的流行病学数据。由于NTD普遍存在于地球上最贫穷的人口和最不发达国家中，罗马尼亚仍显示出欧盟一些贫穷率最高但不断下降的现象。35]，我们假设上述NTD的发生率在2007年后有所下降。尽管几乎没有症状，但上述三种寄生虫病往往会导致病情恶化，需要住院治疗。由于是高度流行的寄生虫病，我们规定，蛔虫病、肠杆菌病和肠球菌病的住院病例率将对罗马尼亚近年来的流行病学分布进行可靠的评估。
在本研究中，我们对罗马尼亚的这三个主要的蠕虫型NTD进行了回顾性和预测性时间序列分析。为此目的，我们利用罗马尼亚2008-2018年国际疾病分类(ICD-10)数据，在区域二级评估这三种疾病最近住院的发生率[36]。通过使用一种称为自动机器学习(AutoML)的新型机器学习(ML)技术[37]，我们的目标是预测这些寄生虫的发病率在接下来的两年，2019年和2020年。
机器学习可以作为一种诊断工具用于医疗保健[38–40或促进临床研究[41–44提高医疗系统的效率[45–47]。然而，对ML的需求超过了能够有效应用这项技术的医疗提供者的专业知识。48]。AutoML通过执行大规模并行处理和允许用户快速构建预测模型来规避这一挑战。通过使用自动时间序列ML，我们最近预测了世界卫生组织定义的罗马尼亚10种最致命疾病的发病率。49]。时间序列预测主要用于流行性感冒等传染病[50–55手足口病[56–59和肺结核[60–62]。目前文献中对寄生性NTD的预测较少。63]。此外，大多数时间序列分析只使用了几个预测模型[49]。相比之下，AutoML on Time Series(AutoTS)测试和评估了数百个模型，并允许为给定的时间序列数据集选择最精确的模型[64].
据我们所知，这是第一次涉及AutoTS的寄生NTD和预测这些疾病的每月住院率在一个区域螺母2水平。该项目的目的是在罗马尼亚全国范围内评估2008年至2018年三个选定的NTD的住院率，并使用一种高精度的新技术对住院病例进行预测，以协助保健提供者改进其监测工作，实施适当的控制计划，并在流行地区有效地分配资源。
材料和方法
道德声明
这项研究得到了两个道德委员会的审查和批准。第一个是罗马尼亚布加勒斯特国家公共卫生、管理和专业发展学校委员会(4854-04.11.2019和DG 286-22.01.2020)。第二个是德国海德堡大学曼海姆医学院医学伦理委员会(2019-873R)。
数据选择与准备
从2003年开始，罗马尼亚所有住院病人都被分类为诊断相关组(Drg)数据库。65]。罗马尼亚所有医院每月向布加勒斯特国家公共卫生、管理和专业发展学校报告其DRG数据。利用国家DRG数据库，我们提取了从2008年到2018年的11年时间序列数据集。这些次级数据集是根据NSPHMPDB(S1表)。应用世卫组织ICD-10在线应用程序，对蛔虫病、肠杆菌病和囊性棘球蚴病的ICD-10编码进行了检索和验证。66]。只选择以目标疾病为主要和次要诊断的住院病例；然后将数据汇总为每月每个坚果2区的住院病例。更具体地说，单个病例被定义为对任何严重程度的个人的住院治疗，其状况需要住院，这要么是某种寄生虫感染的直接后果，要么是被发现有渐进寄生虫感染。数据是在数据机器人平台上使用Paxata编写的[67]。二级时间序列数据库存放在网上(Https://www.synapse.org/#！Synapse:syn25870975/files/).沈阳杂志期刊论文发表
附加数据集
发病率是按每100 000名居民每月患病病例计算的[68,69]按每月住院病例总数除以该月份的总人口，每个罗马尼亚坚果2区。结果乘以10万。每月人口数据来自欧统局[70]。另一个用于相关分析的数据集是“面临贫困或社会排斥风险的人”，该数据集也是从欧统局(Eurostat)提取的。图S1)。这一变量是罗马尼亚符合以下三项标准中的一项以上的人口百分比：(一)有贫困风险，(二)严重物质贫困，(三)生活在工作强度极低的家庭[71].
描述性和推断性统计
Stata(Stata/IC 16版，StataCorp，美国得克萨斯州)用于描述性和推理性统计分析。由于它的纵向和横截面特性，使用的数据可以定义为面板数据。面板数据包括具有“T”观测的“n”实体，通常分为大“n”和“小T”的短面板，或小“n”和“T”大的长面板。另一种常见的分类是区分具有平衡或不平衡数据的数据集。当所有实体都有可用于所有时间段的数据时，数据集是平衡的。
在我们的研究中，我们使用了每种疾病的长而平衡的数据面板数据集，“N=n*T=1056”观测结果来自“T=132”(11*12个月)周期和“n=8”总坚果2个区域。两个区域和时间段实体都是一致的，不受影响，期间包括每月疾病发病率和面临贫穷或社会排斥风险的人的年度百分比的数据。我们考察了螺母2区之间的差异，并评估了选定的贫困相关指标对月发病率的影响。为此，采用了单向最小二乘虚拟变量(LSDV)回归模型.LSDV是一种用于面板回归的固定效应模型.它概述了寄生NTD的发生率，使我们能够建立包含实体假人的方程式(在这种情况下，坚果2个区域)[72]。之所以选择lsdv，是因为可以使用这种固定效应模型来处理潜在的省略变量[73]。此外，这种固定效应模型比随机效应模型更可取，因为我们假设寄生ntd的分布受到时间不变的区域差异的严重影响，并且研究者一致认为在这种情况下选择前一种模型。74]。在LSDV回归模型中，利息的因变量是所选NTD的月个案率。自变量是上述贫困指标，从此被称为“贫困率”.
基于机器自动学习的时间序列预测
使用AutoTS进行时间序列预测的方法已被描述过[49]。简而言之，每个时间序列数据集都被上载到AutoTS平台上[75]并选择适当的预测目标(例如“住院病例”)。然后设置时间框架以定义派生窗口(DW)，以获得相对于预测点(FP)的描述性特征。FP是预测的时间。每种疾病在发病前4、6、8、10和12个月进行DW的经验性检验。选择了生成具有最小平均绝对百分比误差(MAPE)模型的派生窗口(表1).
·
表1.基于保留的模型性能验证。
选择后测的训练数据长度、派生窗口(DW)和预测窗(FW)长度，用AutoTS平台对每种疾病进行模型比较和验证。选择2018年作为保留，并将预测值与实际值进行比较。模型选择基于平均绝对百分比误差(MAPE)。给出了伽玛偏差、均方误差(RMSE)、R-平方和平均绝对误差(MAE)等其他计算估计量。
Https://doi.org/10.1371/journal.pntd.0009831.t001
其次，对每种疾病采用24个月的预报窗口(FW)。FW定义了相对于FP预测的未来值的范围。FW超过24个月已被避免，以减少衰减的准确性的预测跨时间。在定义了上述建模设置和目标后，利用AutoTS工具完成了预处理、算法和后处理步骤的模型拟合过程。图S2)。AutoTS平台通过对最佳模型或模型集合执行并行启发式搜索，简化了模型的开发；该搜索基于数据和预测目标的特点。在建模过程中，建立了许多独立的挑战者模型。每个模型的性能是通过使用超时验证(Otv)来评估的，它允许选择特定的时间段来测试模型的稳定性，从而创建数据回溯测试[76]。反测试是为了减少模型的过度拟合。在这种情况下，对每个时间序列数据集使用了三个验证长度为1年的反测试(S3图)。除了OTV分区之外，还使用了一个保留样本来进一步测试样本外模型的性能。2018年被选为阻挡分区。这些模型是如何构建的以及它们是如何运行的，这些细节最终将被公开，从而能够选择最好的模型(表2).
下载：
表2.用反洗钱工具计算蛔虫病模型性能的示范性列表。
AutoTS工具会自动在建模数据中创建和选择时间序列特征，并自动检测项目的目标值是否是平稳的(也就是说，目标的统计属性随时间的推移是否不变)。如果目标不是平稳的，AutoTS工具试图通过在建模之前应用差分策略使其稳定。这提高了底层模型的准确性和健壮性。这种差异策略包括用最近的值(最新的)或列“特征列表和样本大小”中的平均基线计算时间序列本身的差异。优化指标是MAPE(平均绝对百分比误差)。“所有背测得分”表示所有背测的平均值。在模型选择过程中考虑的模型类型包括以下24种模型中的8种，它们是按保留分数排序的。性能聚类极值梯度提升树回归模型被进一步用于预测，因为它提供了最佳的MAPE评分。沈阳杂志期刊论文发表
Https://doi.org/10.1371/journal.pntd.0009831.t002
最后，在选择了所需的模型后，通过允许该模型估计每2个医院区域的住院病例数，得到了预测结果。这一分析是针对预测窗口中的24个月进行的，即2019年的12个月和2020年的12个月。
结果
罗马尼亚2008-2018年蛔虫病、肠杆菌病和囊性包虫病住院率回顾性分析
“国际疾病分类”(ICD-10)第十版是世卫组织设计的国际实施的医学分类系统[77]。它用于对疾病、症状、伤害类型，甚至医疗程序进行分类。它被医疗保健提供者用于计费和报销目的，并被研究人员用作疾病监测的重要工具[78]。为了评估住院率和评估蛔虫病、肠杆菌病和囊性包虫病的地区差异，我们从罗马尼亚2008-2018年全国ICD-10数据集中提取了这3种寄生型NTD的ICD-10编码，并将所有病例分为8个坚果区和2个区域。
蛔虫病。
对每月蛔虫病住院率的回顾性分析表明，2008年至2018年期间，大多数地区的病例明显减少(图1A)。北部坚果2个地区，即西北部和东北部，到2015年的发病率最高。相比之下，南芒特尼亚在整个观察期间保持不变，并最终在2017年和2018年出现在所有区域中最高的比率。有趣的是，布加勒斯特-伊尔福夫和东南地区的住院病例明显较少，2015年9月期间东南地区的每月病例最少(为零)。2009年1月，西北地区的病例最多-约为每10万例8.6例-。总的平均蛔虫发病率约为1.8(图1A, 表3)。实际每月发病率与该地区平均每月发病率之间的偏差被描述为表3。蛔虫病的最大值7.275明显高于最小值-0.705。这一结果表明，每月住院率迅速下降，趋于更加一致和较低的发病率。然而，各区域间的月发病率之间的偏差(如“之间”值(1.114)所示)几乎等于观测期间(2008-2018年)的“内部”偏差(1.112)。结果显示在表3。也就是说，当从两个地区随机选择发病率时，这两个比率之间的差异类似于同一地区在两个随机选择的月份内的发病率差异。
图1.2008-2018年蛔虫病住院率回顾性分析。
2008-2018年期间因蛔虫病住院的患者的月发病率(每10万居民中有病例)。(B)2008-2018年期间螺母2号地区每月蛔虫病例的方框地块(每100 000例)。水平黑线描述中值；方框从每个区域的值分布的第25%到第75百分位数；进一步的垂直延伸是指相邻的值；圆点是离群点。(C)建立每月蛔虫发病率的LSDV模型回归系数图。水平粗体线表示参数95%置信区间的宽度。当置信区间与垂直参考红线在0处相交时，变量不显着。
Https://doi.org/10.1371/journal.pntd.0009831.g001
·
表3.蛔虫病、肠杆菌病和囊性棘球蚴病的均值、偏差、最小值、最大值和总观察值的总结。
“平均数”代表发病率的总体平均值。“总体”偏差代表随着时间和螺母两个区域的偏差。“中间”变化表示跨越螺母2个区域的偏差(时间不变)。“内部”变化表示发病率随时间变化的偏差(时变)。观测“N=n*T=1056”的总数来自总时间段“T=132”(11*12个月)和总坚果2个区域“n=8”。
Https://doi.org/10.1371/journal.pntd.0009831.t003
环磷酰胺2区每月蛔虫病住院率的方格图清楚地表明了发病率的地区差异(图1B)。在布加勒斯特-伊尔福夫和东南部，中位数明显偏低，四分位数范围相对较小。其余地区的息差要大得多。东北和西北地区在所有蛔虫病例中表现出最高的中度和最广泛的传播；这些结果表明，2008-2018年期间发病率发生了最重大的变化。
为了检验观察到的区域差异，并评估贫困率是否与计算的蛔虫发病率相关，我们使用了LSDV模型。将虚拟可变区域“东南”排除在外，作为参考区域，以常数-5.111为该区域的基线估计(Y-截距)(图1c, S2表)。因此，用为西部地区计算的系数2.254来估计西部地区与-5.111基线之间的偏差。计算为“2.857=-5.111+2.254”。为建立每个螺母2区的回归方程，计算了贫困率的系数为0.113。S2表)。截取值的偏差均有统计学意义(P<0.01)。结果表明，区域差异确实存在。S3表).沈阳杂志期刊论文发表
肠杆菌病。
在西部地区，即西部地区，西南地区，奥尔滕尼亚州和西北地区，肠杆菌病的月发病率最高。前两个地区表现出明显的下降，2008年至2018年之间差距很大(图2A和2B)。与蛔虫病相比，观察到更多的振荡模式。其余地区也出现了下降，但没有西部和西南奥尔特尼亚地区那么陡峭。布加勒斯特-伊尔福夫和东南部的发病率最低。
(A)2008-2018年期间因肠杆菌病住院的病人的月发病率(每100 000名居民中有病例)。(B)2008-2018年期间，螺母2号地区每月肠杆菌病病例的方框图(每100 000例)。水平黑线描述中值；方框从每个区域的值分布的第25%到第75百分位数；进一步的垂直延伸是指相邻的值；圆点是离群点。(C)建立月肠杆菌发病率的LSDV模型回归系数图。水平粗体线表示参数95%置信区间的宽度。当置信区间与垂直参考红线在0处相交时，变量不显着。
Https://doi.org/10.1371/journal.pntd.0009831.g002
每月平均每100,000人中约有1.5人患肠杆菌病。2016年12月在东南部达到的最低月病例数为零，2008年2月，西部的最高月病例数为7.5例(图2A, 表3)。类似于蛔虫病的情况，月发病率的最高偏差和最低偏差之间存在着明显的差异。我们将这一差异称为“内”值。最高月发病率偏差为6.747，最低为-0.719。
此外，月发病率-即跨区域-的“之间”偏差与观测期间的“内部”偏差相似。区域间偏差为0.856，“内”偏差为0.868(表3)。我们以东南地区为参照区，绘制了一个系数图(图2C)和每月肠杆菌病的回归方程(S2表)。再一次，截取量与零值的差异有统计学意义(p<0.01)。这一结果表明，该疾病与贫困率之间存在着区域差异和密切相关(S3表).
囊性包虫病。
与蛔虫病和肠杆菌病相反，布加勒斯特-伊尔福夫的CE住院发病率最高；东南部的发病率第二，但差距很大(图3A)。所有其他地区的发病率都很低，中位数远低于布加勒斯特-伊尔福夫(图3B)。布加勒斯特-Ilfov显示，从2008年到2018年发病率有所下降。在其余地区，没有观察到明显的消极或积极趋势。
·
图3.2008-2018年囊性包虫病住院率回顾性分析。
(A)2008-2018年期间因囊性包虫病住院的患者的月发病率(每10万居民中有病例)。(B)2008-2018年期间螺母2区每月囊性包虫病病例(每100 000例)的方框图。水平黑线描述中值；方框从每个区域的值分布的第25%到第75百分位数；进一步的垂直延伸是指相邻的值；圆点是离群点。(C)建立每月囊性包虫病发病率的LSDV模型回归系数图。水平粗体线表示参数95%置信区间的宽度。当置信区间与垂直参考红线在0处相交时，变量不显着。
Https://doi.org/10.1371/journal.pntd.0009831.g003
每月平均发病率约为每100 000人1.1例。2016年12月南芒特尼亚最低月病例为零，2010年4月布加勒斯特-伊尔福夫每10万人中最多为8例(图3A, 表3)。关于摘要面板数据(表3CE的“内部”偏差值的差异小于蛔虫病或肠杆菌病。
各区域的月发病率(“介于”数值之间)的偏差是2008-2018年“内部”数值的两倍多。“中间”值为1.359，“内部”值为0.563。也就是说，在随机抽取两个地区的发病率时，两个月内的发病率差异预计是同一地区两个发病率差异的两倍以上。
系数图(图3C)和回归方程(S2表)用相同的计算技术，以西南奥尔滕尼亚为参照区，得到了CE。在东北和南蒙滕尼亚地区，偏离截取的偏差在统计上并不能从零看出，而其余的所有地区和贫困率都显示出统计上的显着性(S3表).
2019年和2020年时间序列预测
由于研究期间预测的未来时间点的月总人数未知，因此利用时间序列数据集进行AutoML预测，该数据集包括每个螺母2区每月住院病例总数。为了便于可视化和理解，对分析的每一个NTD的住院病例计数按月绘制2018年(图4，左面板)。今年还被选定为保留分区，该分区被AutoTS平台从时间序列数据集中排除在外；2018年的数据仅用于验证模型(表1).
图4.2019年和2020年蛔虫病、肠杆菌病和囊性包虫病住院病例预测。
2018年实际住院病例(左侧)与2019年和2020年预测病例(右侧)比较。(A)蛔虫病，(B)肠杆菌病和(C)囊性棘球蚴病的住院病例按每个螺母2区的预测值按月绘制。
Https://doi.org/10.1371/journal.pntd.0009831.g004
根据平均绝对百分比误差(MAPE)选择性能最好的模型.对于蛔虫病，选择的模型是性能聚类的极值梯度增强树回归器，而对于肠杆菌病和CE，则选择具有早期停止(Gamma损失)的极端梯度增强树回归器。极端梯度增强算法是梯度增强集成机器学习算法的一个有效版本，它经过优化和调整，以达到快速的运行时间和预测精度。79].
2018年曲线的过程显示了一定程度的交点(图4，左面板)。预测年份2019年和2020年的主要平行曲线进展显著(图4，右面板)。在预测的24个月内，大多数病例数量似乎保持不变，没有显著下降或上升。根据2019年和2020年国家DRG数据库提取的实际住院病例，验证了预计住院病例总数(S4图)。虽然蛔虫病与CE交替，但病例数相似；肠杆菌病确实显示的实际病例较少，但与预测病例平行进展。此外，实际案例显示出与2018年曲线相似的月度波动(图4，左面板)和预测曲线显示更稳定的进展。其次，确定了2019年和2020年前两个月住院病例的稳定性。从2020年3月开始，所有被分析寄生虫的住院人数都出现了大幅下降，而且在2020年剩下的时间里病例数一直很低。S4图).
更仔细的检查显示，蛔虫病的住院次数确实略有下降(图4A)。在这里，南蒙滕尼亚和东北仍然是数量最多的地区，而东北则比2018年减少了近一半的住院时间，2020年年中(4月和7月)。2008年至2011年，西北地区的病例率最高(图1A)，波动最小，在预测年份的任何时刻都有大约20例。
对肠杆菌病的预测表明，西北和东北是每月病例数最多的地区(图4B)。观察到一个季节模式，10月份出现高峰，12月和4月下降。预计的行政长官个案数目显示一个稳定的过程，布加勒斯特-伊尔福夫和东南地区分别是病例最多和第二高的地区(图4c)。另一个小幅度下降发生在12月在大部分地区发生的CE病例。
讨论
寄生虫病伴随着人类的整个存在。虽然近几十年来医疗进步和公共卫生政策减少了寄生虫病的传播和严重程度，但几乎不可能根除[80]。通过生物医学研究破译寄生生物体的基本过程是必不可少的。此外，利用流行病学数据进行疾病监测是观察、预测和控制传播的有效方法。对报告的数据进行分析，可以了解疾病的成因；调查结果还可以表明公共卫生战略的效率。
在本研究中，我们计算了三种寄生型NTD的住院率：蛔虫病、肠杆菌病和囊性包虫病。我们使用国家ICD-10数据集在罗马尼亚区域一级进行了11年的预测。对进展曲线的概述表明，在分析期间，所有三个NTD的住院发病率都在下降。这种情况在所有的坚果2个地区减少是最值得注意的蛔虫病。南芒特尼亚是一个潜在的超自然现象中心；2017-2018年出现了与2019-2020年预测时期相同的模式。蛔虫已被列入欧洲食源性寄生虫优先次序名单，以帮助改善有针对性的监测。6]。然而，关于罗马尼亚蛔虫病分布的流行病学数据很少，而且已经过时。流行率估计范围很广，从4%到82%[24]。一例报告的蛔虫病流行率为35.7%，是根据一家医院的42名接受调查的病人计算出来的，这种结果不能推广到整个罗马尼亚。24]。另一项关于1993-2006年蛔虫病流行病学的不同研究报告称，属于西部坚果2区的Timis县发病率较高，但稳步下降。后一项研究支持了我们的观察，即蛔虫的发病率正在下降。12]。有趣的是，这项研究还发现农村地区的病例率相对较高。同样，在我们的研究中，布加勒斯特的果仁2区--伊尔福夫--主要由罗马尼亚首都布加勒斯特组成--是最低的地区之一。从2017年开始，南芒特尼亚的案件率上升仍有待澄清。据估计，南部邻国保加利亚的年发病率为每10万人7.84人[81]。这比分析期间罗马尼亚蛔虫病的平均发病率高。保加利亚是罗马尼亚游客最多的旅游目的地，2017年有100多万罗马尼亚人访问过保加利亚，仅2019年就有210万人次[82,83]。除了罗马尼亚南部和保加利亚北部边境的自由过境和社会经济交流外，还有不同的区域和欧洲卫生方案，促进跨界合作。84–87]。因此，我们推测，保加利亚病例数高，而且靠近南芒特尼亚，这可能是罗马尼亚南部地区住院率高的潜在原因。沈阳杂志期刊论文发表
2008至2018年期间，在所有两个地区，处于贫困或社会排斥风险的人口比例都有所下降。因此，在罗马尼亚，贫困率与被分析的NTD之间的正相关似乎是一种合理的假设，即本研究的回归模型和计算公式增加了进一步的论据。在方程式中插入目前的贫困率，就可以粗略地表明区域一级每月的新TD病例率。对于蛔虫病，拟合优度R-平方(0.579)表明，可能需要研究额外的时不变变量，以了解罗马尼亚的疾病流行病学。
与蛔虫病一样，肠杆菌病也有较低的发病率。与2008年相比，西部和西南部奥尔特尼亚地区2018年住院率下降最明显。此外，贫穷率与贫穷率有显著的相关性。最初被认为与社会经济或文化因素无关[88肠杆菌病最近被列为一种与贫困有关的寄生虫病。7,89]。1993-2006年罗马尼亚蒂米斯县的数据表明，平均每年每10万居民中有777例病例，没有随时间或城市人口与农村人口的显著变化[12]。我们计算的平均发病率与Timis县的平均发病率之间的差异可能来自不同的数据来源。虽然我们只检查住院病例，但在Timis进行的当地研究使用了全科医生的数据。12]。此外，大多数肠杆菌病病例都有一个无症状的过程，因此产生了很大的研究差距-这反映在广泛不同的流行估计中[90,91].
其他国家的研究表明，农村和郊区的流行率很高[92]。我们可以部分证实这一模式，布加勒斯特-伊尔福夫的发病率较低。与回顾性发病率下降相反，我们预测了未来肠杆菌病住院病例的稳定过程。我们的分析预测2019年10月和2020年10月肠杆菌病住院率将达到峰值。最近的研究结果证实了这一预测，这表明这是一种季节性的模式，冬季几个月的发病率很高。93,94].
细粒棘球蚴是东欧第二优先的食源性寄生虫6]。罗马尼亚被证明是该区域受影响最严重的国家之一[34,95]。虽然CE通常没有症状，但由于棘球蚴囊肿发展缓慢，严重的肝、肺感染也需要住院治疗。这导致了几项研究，以确定完全基于住院发作的CE的发生率。以医院记录计算的行政长官事件，已在伊朗、埃及或西班牙等国公布。96–98]。同样，对2007至2017年间罗马尼亚西部的住院病例率进行了评估[28]。然而，罗马尼亚囊性包虫病的真实发病率可能更高，原因是欧洲统计数据报告不足。例如，2013年全国报告了55例CE病例；布加勒斯特一家医院记录了104例病例[95]。有趣的是，我们在布加勒斯特-伊尔福夫地区观察到的CE率高于所有其他坚果2区。与蛔虫病和肠杆菌病的发病情况类似，由于2008年至2018年贫困率下降，平均每月住院率也有所下降。我们可以用回归模型预测这一负趋势。本模型(0.852)的拟合优度相对较高，说明贫困率与CE之间存在较高的相关性。然而，其他时间不变的因素可能会解释这一趋势和罗马尼亚首都的高发病率。
最近的一次系统审查进一步了解了细粒棘球蚴罗马尼亚人和家畜宿主感染情况[95]。据估计，2000-2010年，在主要的社会经济坚果、1区域RO1中，平均每年每10万居民中有5.70例发生CE。这一地区由西北和中部组成。另据估计，1991-2008年期间，在包括西南奥尔提尼亚和西部在内的NUTS 1区域RO4中，每100 000名居民中有4.39例[95]。相反，我们计算的CE发病率在2010年的宏观区域RO1中更高。
上述检讨亦考虑到罗马尼亚的狗只数目，因为与受污染的狗只直接接触，可促进犬只的传播。细粒棘球蚴对人类[99]。罗马尼亚有许多流浪狗，特别是在布加勒斯特这样的城市环境中。100]。这导致布加勒斯特市政厅提出减少流浪狗数量的倡议。2013年10月至2015年1月，在布加勒斯特初步估计的64 704只流浪狗中，半数以上为安乐死，许多其他狗被收养或送往收容所[101]。此外，罗马尼亚还实施了一项计划，其中包括登记所有拥有的狗、控制流浪狗和猎杀母犬[102]。1956年至1992年期间的平均流行率E. 细粒犬的感染率为21.6%(0-83%)[27]。其后，1997年罗马尼亚南部报告的感染率较高，75%的牧羊犬和6-87.5%的流浪狗被感染[103]。另一份报告指出，E. 细粒2011至2012年间，来自城市地区的狗被感染的比例约为4.3%[104]。因此，从2013年到2015年，流浪狗数量的大幅下降，以及全国范围内对狗的控制和定期治疗，可能有助于解释CE病例减少的原因。然而，我们的预测显示2019年和2020年的CE发病率稳定，需要进一步的卫生政策来打击其他传播途径。细粒棘球蚴.
我们的研究系统地描述了罗马尼亚加入欧洲联盟后该国蛔虫病、肠杆菌病和囊性包虫病住院的全国发病率。必须强调的是，住院数据可能与国家疾病监测数据大不相同。虽然这类住院数据集可作为更好的疾病监测来源，以监测特定的医疗条件[105]，流行病学家仍然倾向于将国家疾病登记作为更明确和更公正的数据集[106]。因此，在将我们的研究结果与基于监测数据的其他研究进行比较时，可能会出现发病率和相关趋势的差异。然而，据我们所知，这是对寄生NTD进行AutoTS预测的第一项研究。所选预测模型的准确性不如以往的研究[49]。与实际病例的比较显示，肠道菌群病的每月进展是平行的，或者同样高，但蛔虫病和CE的交替病例数。模型准确性的差异可归因于有限的培训数据(即疾病计数)。通过增加非卧床治疗组和无症状患者组，可以增加训练数据。此外，无症状的住院病人，由于寄生虫病而没有入院，或没有接受寄生虫病检查，但携带寄生虫病，也是分析数据中另一个缺失的群体。然而，目前还没有系统地获取门诊和住院治疗患者的数据；无症状患者甚至没有记录在医疗数据集中，因为大多数患者不寻求治疗。我们相信，一种新的重新评估的医疗数据采集方法，包括所有这些患者群体，将有助于机器学习分析，更广泛地说，将有助于流行病学研究。然而，我们的预测结果可以由公共卫生官员在采取公共卫生政策以更好地控制这些新发展时加以考虑。
另一个限制是在边缘化社区中普遍存在的新发展的特点。目标人口也是获得保健服务可能不公平的群体，罗马尼亚罗姆人的情况也是如此。107]。没有考虑到人们搬到其他地区住院造成的偏见，因为提取的第二数据集包含与医院有关的数据，而不包含与病人相关的病例数。此外，国家DRG数据库的住院病例只有在出院时才算在内，这意味着在研究期间，一些长期住院病例可能没有被纳入数据库。另一个限制因素可能是医生对NTD了解不足。这一点可能导致对疾病的错误报告或错误分类。例如，在一项涉及2005至2016年意大利旋毛虫病的研究中，70.6%的记录被错误地报告。其中一些原因包括旋毛虫病和旋毛虫病两种寄生虫病之间缺乏明确性。108]。因此，对专业保健编码人员的培训不足可能导致此类数据集中的报告不足。此外，在我们的分析中使用的固定效应回归考虑了时间不变变量.它没有考虑到诸如气候数据、教育参数或牲畜数量等时变变量，所有这些变量都可能是潜在的混淆因素或影响修正因素。另一个下落不明的变量代表了流行病。第一宗严重急性呼吸系统综合症冠状病毒2(SARS-COV-2)个案于2020年2月26日在罗马尼亚证实[109]。到2020年3月25日，罗马尼亚实行了军事宵禁，加强了限制措施，除其他外，大大减少了药房或医院的参观次数。110]。此外，一些医院只接纳SARS-COV-2感染的病人，以对付2019年(新冠肺炎)的冠状病毒病[111,112]。可悲的是，由于反应迟及准备不足，部分医院职员感染sars-cov-2的情况迅速，导致这些医院被隔离[110]。因此，与前几年相比，2020年的住院人数减少了近40%。113]。从2020年3月开始，上述新冠肺炎相关事件极有可能是导致蛔虫、肠杆菌病和CE的实际住院病例下降的原因之一。沈阳杂志期刊论文发表
总之，这里提出的回顾性和预测结果可用于执行公共卫生措施或改进特定地区的诊断和治疗程序。更具体地说，加强根除和控制战略对于南芒特尼亚的蛔虫病和布加勒斯特-伊尔福夫的行政长官是必要的，因为尽管2008至2018年有下降的趋势，但那里的病例不会继续下降。此外，除东南部和中心外，所有的螺母2区都应在10月份预计会有较高的肠杆菌病住院病例。在这种情况下，应采取预防措施，包括改善卫生设施、准备抗寄生虫药物供应或进行健康教育。这些有针对性的行动可以帮助进一步降低被分析的NTD的发生率。
辅助信息
列出2008-2018年期间从罗马尼亚住院病人的整个ICD-10数据集中提取和准备数据的ICD-10代码。
显影1/7: Pntd.0009831.s001.docx
跳到无花果分享通航
寄生NTD(病原体)
ICD-10码
蛔虫病
蛔虫
)
B77.0；B77.8；B77.9
肠杆菌病
[医]蛔虫
)
B80
囊性包虫病(
棘球蚴
细粒
)
B67.0；B67.1；B67.2；B67.3；B67.4
S1表选定用于数据提取和编写的ICD-10代码清单
期间罗马尼亚住院病人的ICD-10数据集
2008-2018年期间。
编码蛔虫、肠杆菌病或
根据“icd-10_AM诊断”和“囊性包虫病”选择囊性包虫病。
“国家公共卫生、管理和发展学院提供的程序清单”
专业发展(NSPHMPDB)，来自罗马尼亚布加勒斯特。
1
1 / 7
下载
无花果分享
S1表列出2008-2018年期间从罗马尼亚住院病人的整个ICD-10数据集中提取和准备数据的ICD-10代码。
根据罗马尼亚布加勒斯特国家公共卫生、管理和专业发展学院(NSPHMPDB)提供的“ICD-10AM诊断和程序清单”，选择编码蛔虫病、肠杆菌病或囊性包虫病的特定ICD-10码。
Https://doi.org/10.1371/journal.pntd.0009831.s001
(Docx)
(A)蛔虫病，(B)肠杆菌病和(C)囊性包虫病的回归方程。一组虚拟变量的LSDV回归方程的报告。为了能够计算特定于坚果2区域的回归方程，创建了一组虚拟变量集。每个区域拦截表示其组特定拦截与参考区域拦截的偏差。为了计算东南地区每月蛔虫发病率的近似值，可以将贫困率插入方程中，根据所使用的固定效应模型获得近似。在贫困率为50%的情况下，每月的蛔虫病例率为0.539(每10万人)。
Https://doi.org/10.1371/journal.pntd.0009831.s002
(Docx)
(A)蛔虫病，(B)肠杆菌病和(C)囊性包虫病的回归表。回归表用Stata的“xi”命令计算，该命令在拟合模型时将分类变量转换为虚拟变量或指示变量。因变量，即有关疾病的每月住院率，按每100 000例病例计算。选择参考区域，使分类变量的系数(螺母2个区域)对相应的疾病是正的。区域系数越高，基线病例率越高，反之亦然。因此，参考区域占最低基线发病率。其次，自变量“贫困率”的正系数表示与因变量呈正相关，反之亦然。R平方值和F检验都提供了拟合优度.
Https://doi.org/10.1371/journal.pntd.0009831.s003
(Docx)
图S1.罗马尼亚坚果2区域面临贫穷或社会排斥风险的人，从欧统局获得[71].沈阳杂志期刊论文发表
X轴是指处于贫困或社会排斥风险的人口总数中所占的百分比。Y轴代表调查年.
Https://doi.org/10.1371/journal.pntd.0009831.s004
(EPS)
模型开发工作流程(模型蓝图)的(A)蛔虫病，(B)肠杆菌病和囊性包虫病。蓝图表示用于拟合模型的端到端过程，包括任何预处理步骤、算法和后处理。它说明了将输入预测器和目标转换为模型所涉及的许多步骤。蓝图中的每个节点可以表示多个步骤。下面的元素连接到蓝图的可视化：“分类变量的顺序编码”、“假定的缺失值”、“提取预测距离特征”、“朴素预测作为偏移”、“性能聚类极端梯度增强树回归”(A)或“早期停止(Gamma损失)的极限梯度增强树回归”(Gamma损失)，以及“残差上的文本拟合(L2/Gamma Deviance)”。用于这些项目的绩效指标是Gamma Deviance(如蓝图所示)，以及MAPE、RMSE、R-平方和MAE。这些项目共包括1053-1055项意见。
Https://doi.org/10.1371/journal.pntd.0009831.s005
(EPS)
图S3.所有使用的NTD模型开发过程的表示。
反洗钱平台使用了3次反测试，验证时间为12个月，另外还采用了截止日期为2017-12-01和2018-12-01进行额外测试的不合格测试。此数据集用于验证最终模型在整个培训过程中未被触及的数据上表现良好。灰色表示可用的训练数据，蓝色表示验证分区，绿色表示持久化样本。
Https://doi.org/10.1371/journal.pntd.0009831.s006
(EPS)
2019年和2020年蛔虫病(A)、肠杆菌病(B)、囊性棘球蚴病(C)住院病例预测数与国家DRG数据库实际住院病例数比较。罗马尼亚所有住院病例(实际数值)都是根据所选模型计算的预测值(预测值)每月绘制的。
Https://doi.org/10.1371/journal.pntd.0009831.s007
(EPS)
致谢
我们感谢保罗·基尔、马丁·卡梅勒和罗伯特·德鲁斯的出色技术支持。我们感谢维克托·奥尔萨夫斯基的科学讨论。
参考文献
00001. 1.预防。哪些疾病被认为是被忽视的热带疾病？：疾病控制和预防中心；2020年[更新：2020年3月25日；引自2020年30.08.2020]。全球卫生，寄生虫病和疟疾司。可从以下网址获得：Https://www.cdc.gov/globalhealth/ntd/diseases/index.html.
00002. 2.卫生组织(世界卫生组织)。被忽视的热带疾病；2020年[引自30.08.2020]。可从以下网址获得：Https://www.who.int/neglected_diseases/diseases/en/.
· 查看文章
· 谷歌学者
00003. 3.法尔科内·M.忽视了欧洲的热带疾病：卫生专业人员面临的一个新问题。实习医生。2017年；第12(4)段：423-4.2017年3月21日PMID：28315147。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00004. 4.恩格斯D，周新恩。被忽视的热带疾病：有效的全球应对当地贫困相关疾病的优先事项。感染贫困。2020年；9(1)：10.ePub 2020/01/29。PMID：31987053；PubMed Central PMCID：PMC 6986060。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00005. 5.Gautret P，Cramer JP，Field V，Caume E，Jensenius M，Gkrania-Klotsas E，等.欧洲旅行者和移民中的传染病，EuroTravNet，2010年。欧元监视。2012年；第17(26)段。EPub 201207/14.PMID：22790534。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00006. 6.Bouwkengt M，Devleesschauwer B，Graham H，Robertson LJ，van der Giessen JW，Euro-FBP讲习班P.欧洲食源性寄生虫优先事项，2016。欧元监视。2018年；第23(9)段。EPub 2018/03/08。PMID：29510783；PubMed Central PMCID：PMC 5840924。
· 查看文章
· PubMed/NCBI
· 谷歌学者
7.Hotez PJ，GurwithM.欧洲被忽视的贫困感染。INT J感染Dis。2011年；15(9)：e611-9.ePub 2011/07/19.PMID：21763173。沈阳杂志期刊论文发表
00007.
· 查看文章
· PubMed/NCBI
· 谷歌学者
00008. 8.题名：Trevisan C，Sotiraki S，Laranjo-Gonzalez M，Dermauw V，Wang Z，Karssin A，等.欧洲带菌病/囊虫病流行病学，系统综述：东欧。寄生于载体。2018年；11(1)：569。EPub 2018/11/01。PMID：30376899；PubMed Central PMCID：PMC 6208121。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00009. 9.Djordjevic M、Bacic M、Petrievic M、Cuperlovic K、Malakauskas A、Kapel CMO等。塞尔维亚旋毛虫病卷土重来的社会、政治和经济因素：一个案例研究。寄生虫学杂志。2003年；89(2)：226-31。
· 查看文章
· 谷歌学者
00010. 10.猪的Bruzinskaite R，Sarkunas M，Torgerson PR，Mathis A，Deplazes P.立陶宛西南部的狗。帕拉西托兽医。2009年；160(3-4)：237-41。EPub 2008/12/30。PMID：19111990。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00011. 11.Neghina R，Neghina AM，Marincu I，摩尔多瓦R，Iacobiciu I.来自罗马尼亚西南部一个县的住院病人中的食源性线虫感染。食源性致病菌2010年；7(8)：975-80。EPub 2010/05/12.PMID：20455753。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00012. 12.Neghina R，Dumitrascu V，Neghina AM，VLAD DC，Petrica L，Vermesan D，等。1993-2006年罗马尼亚西部一个县蛔虫病、肠杆菌病和贾第虫病的流行病学。行动2013年；125(1)：98-101。EPub 2012/10/25。PMID：23092688。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00013. 13.Neghina R，Neghina AM，Marincu I，Iacobiciu I.罗马尼亚的流行病学和人类寄生虫病史。Parasitol Res.2011；108(6)：1333-46。EPub 2011/02/09。PMID：21301873。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00014. 14.Neghina R.旋毛虫病，罗马尼亚永无止境的故事。对传统、烹饪习俗和公共卫生条件的概述。食源性致病菌2010年；7(9)：999-1003。EPub 2010/05/25。PMID：20491611。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00015. 15.Dold C，荷兰简历。蛔虫和蛔虫。微生物感染。2011年；13(7)：632-7.2010年10/12 ePub.PMID：20934531。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00016. 16.Shalaby Nm，Shalaby Nm.埃及农村儿童蛔虫感染对T辅助细胞2型的影响那克莱恩在冒险马纳格。2016年；12：379-85。EPub 2016/03/30。PMID：27022269；PubMed Central PMCID：PMC 4790525。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00017. 17.卫生组织/WSH/WWD/DFS.01。蛔虫病-疾病和它如何影响人民2021年[引用2021年29.05.2021]。可从以下网址获得：Https://www.who.int/water_sanitation_health/diseases-risks/diseases/ascariasis/en/.
00018. 18.De Silva NR，Chan MS，Bundy DA.蛔虫病的发病率和死亡率：全球危险人数的重新估计和敏感性分析。国际卫生组织。1997年；2(6)：519-28。EPub 1997/06/01。PMID：9236818
· 查看文章
· PubMed/NCBI
· 谷歌学者
00019. 19.作者声明：[by]Kuncik CJ，Martin GL，Sortor BV。普通肠道寄生虫。我是法姆医生。2004年；第69(5)：1161-8.ePub 2004/03/17.PMID：15023017。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00020. 20.作者声明：[by]Paknazhad N，Mowlavi G，Dupouy Camet J，Jelodar ME，Mobedi I，Makki M，等。七千年前居住在古代德黑兰(伊朗)的一名女性青少年感染蛔虫的古寄生虫学证据。寄生于载体。2016年；9：33。EPub 2016/01/23。PMID：26797296；PubMed Central PMCID：PMC 4722758。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00021. 21.Sandoval E，Nazim M，Halloush RA，Khasawneh FA.一位16岁女性右下象限腹痛。临床传染病2014年；58(8)：1194-5。
· 查看文章
· 谷歌学者
00022. 22.轻灯。阑尾炎的传染性原因。感染Dis Clin Northam2010年；第24(4)条：995-1018，IX-x。EPub 201010/13.PMID：20937462。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00023. 23.塔格普尔A，奥尔疲劳远M，Javanmard E，Norouzi M，Mirjalali H，Zali先生.蚯蚓在阑尾炎中被忽视的作用：一个系统的回顾和元分析.PLOS一号。2020年；15(4)：e0232143。EPub 2020/04/24。PMID：32324817；PubMed Central PMCID：PMC 7179856。
· 查看文章
· PubMed/NCBI
· 谷歌学者
24.Neghina R，Neghina AM，Marincu I，Iacobiciu I.罗马尼亚肠道线虫感染：流行病学研究和文献综述。媒介传播的人畜共患病2011年；11(8)：1145-9.ePub 2011/01/25。PMID：21254893。沈阳杂志期刊论文发表
00024.
· 查看文章
· PubMed/NCBI
· 谷歌学者
00025. 25.罗马尼亚的Mitrea IL，Ionita M，Wassermann M，Solcan G，Romig T.囊性包虫病：一项家畜流行病学调查显示，猪的超特有性持续存在。食源性致病菌2012年；第9(11)段：980-5.2012年10/19.公共关系数据库：23075460。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00026. 26.布克·CM，卡苏利·A，克恩·P，威登·DA。囊性和肺泡型包虫病：成功和持续的挑战。PLOS Negl Trip Dis.2017年；11(4)：e0005477。EPub 2017/04/21。PMID：28426657；PubMed Central PMCID：PMC 5398475。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00027. 27.Neghina R、Neghina AM、Marincu I、Iacobiciu I.罗马尼亚囊性包虫病的流行病学和流行病学-1862-2007年。食源性致病菌2010年；7(6)：613-8.ePub 2010/02/17.PMID：20156088。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00028. 28.Lupu MA，Dragomir A，Paduraru AA，Ritiu SA，Lazar F，Olariu S，等。成人住院患者囊性包虫病：罗马尼亚西部10年回顾性研究。国际传染病杂志。2018年；73：299-300。
· 查看文章
· 谷歌学者
00029. 29.麦基M，巴拉巴诺娃D，斯特鲁A.新的一年，一个新的时代：罗马尼亚和保加利亚加入欧盟。EUR J.公共卫生。2007年；17(2)：119-20.2007/03/28。PMID：17387108。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00030. 30.经合组织，系统EOoH，政策。罗马尼亚：国家卫生概况20172017。
00031. 31.经合组织，系统EOoH，政策。罗马尼亚：国家卫生概况20192019。
32.Codrean A，Dumitrascu DL，Codrean V，Tit DM，Bungau S，Aleya S，等。罗马尼亚人类手足口病流行病学：14年调查。整个环境。2020年；705：135784。EPub 2019/12/04。PMID：31791758。沈阳杂志期刊论文发表
00032.
· 查看文章
· PubMed/NCBI
· 谷歌学者
00033. 33.题名/责任者：by L.欧洲东部隐孢子虫和贾第虫回顾，2016年。欧元监视。2018年；第23(4)段。EPub 2018/02/01。PMID：29382412；PubMed Central PMCID：PMC 5801338。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00034. 34.Tamarozzi F，Akhan O，Cretu CM，Vutova K，Akinci D，Chipeva R，等。保加利亚、罗马尼亚和土耳其农村地区腹部囊性包虫病的流行情况：赫拉克勒斯项目的一项横断面的、以超声波为基础的人口研究。柳叶刀传染病。2018年；第18(7)段：769-78。PMID：29793823
· 查看文章
· PubMed/NCBI
· 谷歌学者
00035. 35.Tomescu-Dumitrescu C.罗马尼亚贫困地图。年鉴-经济系列。2017年；2：128-33。
· 查看文章
· 谷歌学者
00036. 36.欧共体欧统局-螺母-统计领土单位名称：欧统局；2021[引自2021 01.06.021]。可从以下网址获得：Https://ec.europa.eu/eurostat/web/nuts/background.
00037. 37.韦林J，林德瓦尔C，乌梅顿R.自动机器学习：回顾最先进的医疗保健和机会.阿蒂夫·内特尔·梅德。2020年；104：101822。EPub 2020/06/06PMID：32499001。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00038. 38.Bychkov D，Linder N，Turkki R，Nordling S，Kovanen PE，Verrill C，等。基于深度学习的组织分析预测结直肠癌的预后。SCI Rep.2018；8(1)：3395。EPub 2018/02/23。PMID：29467373；PubMed Central PMCID：PMC 5821847。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00039. 39.Janowczyk A，Madabhushi A.为数字病理学图像分析深入学习：一个综合教程与选定的用例。J病理通知。2016年；7：29。EPub 2016/08/27。PMID：27563488；PubMed Central PMCID：PMC 4977982。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00040. 40.[2]Esteva A，Kuprel B，Novoa RA，Ko J，Swetter SM，Blau HM，等.皮肤癌的深层神经网络分级。自然。2017年；542(7639)：115-8.ePub 2017/01/25。PMID：28117445。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00041. 41.Gupta P，蒋SF，Sahoo PK，Mohapatra SK，You JF，Onthoni DD，等。用机器学习方法预测结肠癌分期和生存期。癌症(巴塞尔)。2019年；第11(12)段。EPub 2019/12/18.PMID：31842486。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00042. 42.[2]梅耶A，Zverinski D，Pfahringer B，Kempfert J，Kuehne T，Sundermann SH，等.机器学习对危重病人并发症的实时预测：一项回顾性研究。柳叶刀研究医生。2018年；第6(12)段：905-14.2018年/10/03.PMID：30274956。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00043. 43.Nemati S，Holder A，Razmi F，Stanley MD，Clifford GD，Buhman TG。ICU脓毒症准确预测的可解释机器学习模型看病医生。2018年；46(4)：547-53。EPub 2017/12/30。PMID：29286945；PubMed Central PMCID：PMC 5851825。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00044. 44.作者声明：LaylorRA，Pare Jr，Venkatesh AK，Mowafi H，Melnick ER，Flischman W，等。急诊科脓毒症患者住院死亡率预测：一种局部大数据驱动的机器学习方法。Acad Emerg Med.2016年；23(3)：269-78。2015/12/19.公共管理信息中心：26679719；PubMed Central PMCID：PMC 5884101。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00045. 45.Muhlestein we，Akagi DS，Chotai S，ChambblLB。种族对脑肿瘤开颅术后出院情况及住院时间的影响。世界神经外科医生。2017年；104：24-38。EPub 2017/05/10.PMID：28478245；PubMed Central PMCID：PMC 5522624。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00046. 46.Muhlestein we，Akagi DS，Chotai S，ChambblLB。术前并发症对脑肿瘤开颅术后出院情况及住院时间的影响。外科神经科国际。2017年；8：220。EPub 2017/10/03。PMID：28966826；PubMed Central PMCID：PMC 5609434。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00047. 47.Rojas JC，Carey Ka，Edelson DP，Vable LR，Howell MD，Church pek MM.使用电子健康记录数据预测重症监护病房重新入院的机器学习。安是索拉克索克。2018年；15(7)：846-53。EPub 2018/05/23。PMID：29787309；PubMed Central PMCID：PMC 6207111。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00048. 48.希洛S，罗斯曼H，西格尔E轴的一场革命：挑战和承诺的大数据在医疗保健。纳特·梅德。2020年；26(1)：29-38。EPub 2020/01/15.PMID：31932803。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00049. 49.国家ICD-10数据库中的自动机器学习时间序列分析与预测。环境卫生研究所。2020年；17(14)。EPub 2020/07/16.PMID：32664331；PubMed Central PMCID：PMC 7400312。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00050. 50.Brooks LC，Farrow DC，Hyun S，Tibshiani RJ，Rosenfeld R.具有迭代一周前分布的季节性流感非机械化预测。PLOS Comput Biol2018年；14(6)：e1006134。2018年/06/16号ePub：PMID：29906286；PubMed Central PMCID：PMC 6034894。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00051. 51.Dugas AF，Jalalpour M，Gel Y，Levin S，Torcaso F，Igusa T，等。用谷歌流感趋势预测流感。PLOS一号。2013年；第8(2)：E 56176。EPub 2013/03/05。PMID：23457520；PubMed Central PMCID：PMC 3572967。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00052. 52.何F，胡祖杰，张WC，蔡L，蔡GX，奥亚吉K.两种预测日本长崎地区流感发病率的计算模型的建立与评价。SCI Rep.2017；7(1)：7192。EPub 2017/08/05。PMID：28775299；PubMed Central PMCID：PMC 5543162。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00053. 53.Lampos V，Miller AC，Crossan S，Stefansen C.使用搜索查询日志在流感样疾病率方面取得进展.生福利局局长2015年；5：12760。EPub 2015/08/04。PMID：26234783；PubMed Central PMCID：PMC 4522652。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00054. 54.作者声明：[by]W.利用神经网络和社交媒体对军事人群流感样疾病动态进行预测。PLOS一号。2017年；12(12)：e0188941。EPub 2017/12/16.PMID：29244814；PubMed Central PMCID：PMC 5731746。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00055. 55.徐Q，凝胶Yr，Ramirez Ramirez LL，Nezafati K，张Q，徐。利用google搜索查询和统计模型融合预测香港的流感。PLOS一号。2017年；12(5)：e0176690。EPub 2017/05/04。PMID：28464015；PubMed Central PMCID：PMC 5413039。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00056. 56.天气对手足口病的短期影响。PLOS一号。2011年；6(2)：e16796。EPub 2011/02/25。PMID：21347303；PubMed Central PMCID：PMC 3037951。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00057. 57.黄DC，王JF。将搜索引擎查询数据与气象因素相结合，对手足口病进行监测。整个环境。2018年；612：1293-9.ePub 2017/09/14.PMID：28898935.
· 查看文章
· PubMed/NCBI
· 谷歌学者
00058. 58.宋Y，王菲，王B，陶S，张宏，刘S，等。综合天气变量的手足口病时间序列分析。PLOS一号。2015年；10(3)：e0117296。EPub 2015/03/03PMID：25729897；PubMed Central PMCID：PMC 4346267。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00059. 59.田科，王赫，罗旭明。2008~2018年中国手足口病病例时间序列模拟与预测。流行病学感染。2019年；147：E82。EPub 2019/03/15.PMID：30868999；PubMed Central PMCID：PMC 6518604。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00060. 60.Moosazadeh M，Khanjani N，Bahgrour A.季节性和时间变化的结核病在伊朗北部。塔纳福斯。2013年；第12(4)段：35-41。EPub 2013/01/01。PMID：25191482；PubMed Central PMCID：PMC 4153266。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00061. 61.王赫，田CW，王伟，罗旭明。中国2005-2017年结核病时间序列分析。流行病学感染。2018年；146(8)：935-9.2018年5月/01年。PMID：29708082。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00062. 62.威利斯博士，温斯顿CA，海利格CM，凯恩KP，沃尔特ND，麦克肯齐WR。1993-2008年美国结核病季节性。克莱因感染Dis。2012年；54(11)：1553-60。EPub 2012/04/05。PMID：22474225；PubMed Central PMCID：PMC 4867465。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00063. 63.Clark NJ，Owada K，Ruberanziza E，Ortu G，Umulisa I，BayisengU，等。寄生虫协会预测感染风险：将混合感染纳入被忽视的热带疾病的预测模型中。寄生于载体。2020年；13(1)：138。EPub 2020/03/18.PMID：32178706；PubMed Central PMCID：PMC 7077138。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00064. 64.施密特M.时间序列数据自动特征工程2017年[引自2020年29.05.2020]。可从以下网址获得：Https://www.kdnuggets.com/2017/11/automated-feature-engineering-time-series-data.html.
· 查看文章
· 谷歌学者
00065. 65.Radu CP，Chiriac DN，Vladescu C.改变罗马尼亚医院报销的病人分类制度。克罗地亚医学杂志，2010年；51(3)：250-8.ePub 2010/06/22。PMID：20564769；PubMed Central PMCID：PMC 2897082。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00066. 66.卫生组织(世界卫生组织)。ICD-10版本：2016[引自21.06.2020]。可从以下网址获得：Https://icd.who.int/browse10/2016/en#/I20.0.
00067. 67.Paxata 2020[引自2020年13.05.2020]。可从以下网址获得：Https://www.paxata.com/.
00068. 68.Williams VF，噢GT，Stahlman S.使用ICD-9和ICD-10诊断代码，有效成分，美国武装部队，2002-2017年代谢综合征的发生率和流行率。MSMR.2018年；25(12)：20-5.2019/01/09.ePub。PMID：30620612。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00069. 69.Beerekamp MSH，de Muinck Keizer RJO，Schep NWL，Ubbink DT，Panneman MJM，小鹅JC。荷兰四肢骨折的流行病学研究。受伤了。2017年；48(7)：1355-62。EPub 2017/05/11.PMID：28487101。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00070. 70.欧统局-统计数字解释了2020年[引自2020年13.05.2020]。
00071. 71.欧统局。2020年，面临贫困或社会排斥风险的人-两个区域(占总人口的百分比)-[更新：06/10/2020 23：00；引自2020年11.10.2020]。可从以下网址获得：Https://ec.europa.eu/eurostat/web/products-datasets/-/tgs00107.
00072. 72.公园嗯。面板数据建模实用指南：基于Stata的逐步分析。国际关系研究生院，编辑。大学信息技术服务中心统计和数学计算，印第安纳大学2011年。
00073. 73.Kropko J，Kubinec R.面板数据模型内部和截面变化的解释和识别.PLOS一号。2020年；15(4)：e0231349。EPub 2020/04/22。PMID：32315338；PubMed Central PMCID：PMC 7173782。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00074. 74.Hamaker El，Muthan B.关于固定效应与随机效应的争论，以及它如何与多级建模中的中心化有关。心理治疗方法。2020年；25(3)：365-79。2019/10/16.pmi：31613118。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00075. 75.数据机器人。2020年[引自2020年12月至4月]。可从以下网址获得：Https://www.datarobot.com/.
00076. 76.Wiecki T，Campbell A，Lent J，Stauth J.所有的Glitters都不是Gold：在一大群交易算法上比较回溯测试和样本外性能。投资杂志。2016年；25(3)：69-80。
· 查看文章
· 谷歌学者
00077. 77.卫生组织(世界卫生组织)。[引自21.06.2020]。可从以下网址获得：Https://www.who.int/classifications/icd/factsheet/en/.
00078. 78.过渡到ICD-10：时间到了。凯斯·马纳格教授。2016年；21(1)：46-50；讨论46。EPub 2015/12/01。PMID：26618269。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00079. 79.唐强，郑L，韩C，刘F，蔡杰。交通事故清除时间预测及影响因素分析。先进运输杂志。2020年；2020年：1-12。
· 查看文章
· 谷歌学者
00080. 80.戴维斯A.寄生虫病的重要性。沃伦K.S.BJZ，编辑。纽约，纽约：斯普林格；1983年。
00081. 81.2013-2014年保加利亚Rainova I、Harizanov R、Kaftandjiev I、Tsvetkova N、Mikov O、Kaneva E.人类寄生虫病。巴尔干医学J.2018年；35(1)：61-7.ePub 2017/09/15.PMID：28903890；PubMed Central PMCID：PMC 5820449。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00082. 82.Cojan L.C?i rom ni?i-au f?削减了保加利亚的?，2020年。罗汉果(Rom a se lupt?cu turcia penteru primul loc la num?rul turi?tilor str?ini.)Digi24ro2021 20.01.2021。
· 查看文章
· 谷歌学者
00083. 83.Rotaru R.ce au ei?i nu avem noi？！Peste 1 milion de rom ni?i-au f?Cut conediul n保加利亚n 2017，de dou?ori mai mul?i dec t num?rul Turi?tilor Bulgari Care au venit n Rom a。查鲁尔·费南夏尔。2018年09.05.2018。
· 查看文章
· 谷歌学者
00084. 84.留守。2014-2020年INTERREG V-A罗马尼亚-保加利亚2020年[引自2021 25.05.2021]。可从以下网址获得：Https://keep.eu/programmes/35/2014-2020-Romania-Bulgaria/.
00085. 85.A.R.Spitalul din Rom anunde bulgarii au nv??at cum s?-?i salveze copiii cu amiotrofie spinala，una dincele MAI Grave Boli退化。霍特普罗。2019 15.10.2019。
00086. 86.Zimnicea和Svishtov 2020医院的现代化[引自2021年25.05.2021]。可从以下网址获得：Https://www.linguee.de/deutsch-englisch/uebersetzung/beabsichtigt.html.
00087. 87.[医]阿德里亚娜·盖兰。在多瑙河各地工作：卡拉西和西斯特拉医院，共用医生(罗马尼亚-保加利亚)。作者：Glinos I，Wismar M，编辑。医院和边境：关于跨界协作和卫生系统相互作用的七个案例研究：欧洲卫生系统和政策观察站；2013年。
00088. 88.烹饪GC。蛔虫感染胆子。1994年；35(9)：1159-62。EPub 1994/09/01。PMID：7959218；PubMed Central PMCID：PMC 1375686。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00089. 89.王JL，李TT，黄茜，丛伟，朱新清。中国大陆主要的贫困寄生虫病：更好控制的前景。感染贫困。2016年；5(1)：67。EPub 2016/08/02。PMID：27476746；PubMed Central PMCID：PMC 4967992。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00090. 90.Kubiak K，Dzika E，Paukszto?.波兰东北部健康儿童蛔虫的流行病学和分子特征。赫尔明索洛贾。2017年；54(4)：284-91。
· 查看文章
· 谷歌学者
00091. 91.一个发育中心的Lohiya GS、Tan-Figueroa L、Crinella FM、Lohiya S.西J·梅德。2000年；172(5)：305-8.ePub 2000/06/01。PMID：10832422；PubMed Central PMCID：PMC 1070873。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00092. 92.陈基义，颜锦勇，黄金刚，王林。台北市学龄前儿童蛔虫感染及其危险因素分析。J微生物免疫感染。2018年；第51(4)段：559-64。EPub 2017/07/12.PMID：28690027。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00093. 93.题名/责任者：by L.2007-2017年大柏林蛔虫检测：季节性和更高的检测频率。题目：Er J.Clin Microbiol感染Dis。2019年；38(4)：719-23。EPub 2019/02/04。PMID：30712227。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00094. 94.贾兰。约旦北部有腹部症状的住院病人肠道寄生虫的流行及季节变化。东地中海卫生J.2017；22(10)：756-60。EPub 2017/01/31。PMID：28134428。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00095. 95.标题：Tamarozzi F，Legnardi M，Fittipaldo A，Drigo M，Cassini R.细粒棘球蚴的流行病学分布。欧洲、地中海和巴尔干国家人类和家畜宿主的感染：系统审查。PLOS Negl Trip Dis.2020年；14(8)：e0008519。EPub 2020/08/11.PMID：32776936；PubMed Central PMCID：PMC 7440662。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00096. 96.Fallah N，Rahmati K，Fallah M.根据伊朗西部哈马丹2006年至2013年的医院记录，人类水化症流行率。伊朗J.帕拉西托。2017年；12(3)：453-60。EPub 2017/10/06。PMID：28979357；PubMed Central PMCID：PMC 5623927。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00097. 97.Herrador Z，Siles-Lucas M，Aparicio P，Lopez-Velez R，Gherasim A，Garate T，等.根据1997-2012年住院记录，西班牙囊性包虫病流行病学。PLOS Negl Trip Dis.2016年；10(8)：e0004942。EPub 2016/08/23。PMID：27547975；PubMed Central PMCID：PMC 4993502。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00098. 98.Kandeel A，Ahmed E，Helmy A，El-Setouhy M，Craig P，Ramzy R.埃及人囊性包虫病的回顾性医院研究。东地中海卫生杂志=La revue de santéde la Méditerranée Oriale=al-Majallah al-?i??īyah li-Sharq al-mutawassi?。2004年；10：349-57。PMID：16212212
· 查看文章
· PubMed/NCBI
· 谷歌学者
00099. 99.Eckert J，Deplazes P.生物学，流行病学和临床方面的包虫病，一种日益引起关注的人畜共患病。Clin Microbiol Rev.2004；17(1)：107-35。EPub 200401/17.PMID：14726458；PubMed Central PMCID：PMC 321468。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00100. 100.纳贾尔H，斯特雷鲁-Cercel A.罗马尼亚狂犬病的流行病学管理。细菌。2012年；2(3)：95-100。EPub 2012/09/01。PMID：24432269；PubMed Central PMCID：PMC 3882854。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00101. 101.编辑@Roman-Inder.com。在布加勒斯特捕获的5.1万只流浪狗呢？：罗马尼亚-Inder.com；2015[引用2020年14.10.2020]。可从以下网址获得：Https://www.romania-insider.com/what-happened-to-the-51000-stray-dogs-captured-in-bucharest/.
00102. 102.伊万·利维乌·米特雷亚·MI。罗马尼亚囊性包虫病的防治。第二十五届包虫病问题世界大会，与国际上参加的国际棘球蚴病全国会议联合举行；2015年10月1日至3日；布加勒斯特2015年。
00103. 103.Craig P，Pawlowski Z.Cestode Zoonoses：棘球蚴病和囊虫病，2001年1月。
· 查看文章
· 谷歌学者
00104. 104.Carmen-Michaela Cretu TB，Vasile Cosma，Loredana Gabriela Popa，Patricia Mihailescu在罗马尼亚人和动物中囊性包虫病的情况：一个真正令人震惊的问题。欧洲食源性寄生虫网络；Lissabon 2019。
00105. 105.Huff L，Bogdan G，Burke K，Hayes E，Perry W，Graham L，等。利用出院数据进行疾病监测。1996年公共卫生代表；111(1)：78-81。EPub 1996/01/01PMID：8610197；PubMed Central PMCID：PMC 1381747。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00106. 106.爱D，鲁道夫B，沙赫GH。使用医院出院数据进行国家和国家公共卫生监测的经验教训：对疾病控制和预防跟踪方案的影响。J公共卫生手册。2008年；14(6)：533-42。EPub 200810/14.PMID：18849773。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00107. 107.罗马尼亚罗姆人保健调解。作者：世界卫生组织Rofe，编辑。罗姆人保健-案例研究系列(第1期)。丹麦2013年。
00108. 108.作者声明：[by]Pozio E，Ludovisi A，Pezzotti P，Bruchi F，Gomez-Morales MA.对旋毛虫病患者出院记录的回顾性分析不允许评估意大利的疾病负担。寄生虫。2019年；26：42。EPub 2019/07/17.PMID：31309926；PubMed Central PMCID：PMC 6632111。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00109. 109.PanTea Stoian A，Pricop-Jeckstadt M，Pana A，Ileanu BV，Schitea R，Geanta M，等。死于SARS-CoV 2：罗马尼亚新冠肺炎多中心共病研究。科学研究院，2020年；10(1)：21613。EPub 2020/12/12.PMID：33303885；PubMed Central PMCID：PMC 7730445。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00110. 110.Dascalu S.罗马尼亚最初应对新冠肺炎大流行的成功与失败。公共卫生前线。2020年；8：344。EPub 2020/08/09。PMID：32766201；PubMed Central PMCID：PMC 7381272。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00111. 111.斯特雷鲁-Cercel A.SARS-CoV-2在罗马尼亚-形势更新和遏制战略。细菌。2020年；10(1)：8.ePub 2020/04/11.PMID：32274354；PubMed Central PMCID：PMC 7117882。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00112. 112.Popescu CP，Marin A，Melinte V，Gherlan GS，Banicioiu FC，Dogaru A，等。来自罗马尼亚的一家三级医院的新冠肺炎：流行病学、准备和临床挑战。旅行医学感染Dis。2020年；35：101662。EPub 2020/04/14.PMID：32283216；PubMed Central PMCID：PMC 7151488。
· 查看文章
· PubMed/NCBI
· 谷歌学者
00113. 113.Vladescu C.罗马尼亚医院在COVID年的发病率和死亡率。罗马尼亚医学科学院会议“新冠肺炎大流行的第一年科学证据和地方实践”；19.03.2021；罗马尼亚医学科学院会议2021年。