原始文章

Mpox於1970年在剛果民主共和國首次被識別,主要集中在中非和西非。2024年8月13日,非洲疾病控制中心宣布此病為公共衛生緊急事件,隨後WHO也發出全球警報。從2022年到2024年,非洲12國共報告45,652例病例,導致1,492人死亡,病死率3.3%。剛果民主共和國的病例佔88%,顯示疫情嚴重,需加強公共衛生措施,如檢測、追蹤和疫苗接種,以防止疫情擴散。 PubMed DOI


站上相關主題文章列表

高致病性禽流感A(H5N1)在美國造成家禽和乳牛感染,並有少數人類病例。從2024年3月到10月,分析了46例確診人類病例,20名患者接觸過感染的家禽,25名接觸乳牛,1名則無已知接觸。所有患者病情輕微,主要是結膜炎,無住院或死亡情況。患者中位年齡34歲,病程中位數4天,大多數在症狀出現後不久接受抗病毒治療(奧司他韋)。未見人傳人,但接觸者使用個人防護裝備不足,顯示需改善安全措施。 PubMed DOI

一種新的猴痘病毒株Clade Ib在剛果民主共和國東部爆發,導致國際疫情。2024年5月至10月的研究中,510例疑似病例中有80%經PCR檢測確診。病例主要集中在5歲以下兒童和15至34歲的年輕人。大多數患者曾接觸確診病例,合併症較少。常見症狀包括皮膚病變和淋巴結腫大,成人中生殖器病變特別高。住院治療中有兩人死亡,強調需更新公共衛生策略以保護脆弱群體,如孕婦和兒童。 PubMed DOI

在2010至2023年間,剛果民主共和國的猴痘(mpox)病例大幅增加,報告了60,967例疑似病例,致死率為2.9%。年發生率從2010年的每10萬人2.97例上升至2023年的11.46例,5歲以下兒童的發生率最高。報告的病例省份數從18個增至24個,農村地區的發生率也高於城市。實驗室檢測確認57.1%的疑似病例,顯示出改善監測和檢測的必要性,特別是在2024年8月宣布公共衛生緊急狀態的情況下。 PubMed DOI

新型SARS-CoV-2變異株及後COVID-19症狀仍影響許多人生活。由於約翰霍普金斯大學等機構不再每日報告確診病例,準確評估感染範圍變得困難。為此,我們開發了一個公開的COVID-19推文數據庫,專注於自我報告的病例及其症狀。我們收集了730萬條推文,發現常見症狀包括無精打采和幻覺,且再感染情況普遍。康復時間也顯著縮短,從2020年的約30天減少到2023年的約12天。這些數據對於持續追蹤COVID-19及提供見解至關重要。 PubMed DOI

瘧疾仍是全球重要健康議題,特別是在撒哈拉以南非洲,負擔最重。最新研究針對2000至2022年的瘧疾流行率、發病率和死亡率製作高解析度地圖,並分析COVID-19對瘧疾管理的影響。結果顯示,自2015年以來,非洲的瘧疾感染率趨於平穩,2022年病例達2.348億,為2004年以來最高。儘管全球瘧疾死亡人數持續下降,但高風險人口增長讓人擔憂。研究強調需改進對抗瘧疾的工具和策略,並獲得比爾和梅琳達·蓋茨基金會支持。 PubMed DOI

PEPFAR(總統緊急計畫以應對艾滋病)對全球健康影響深遠,特別是在撒哈拉以南非洲,成功拯救2600萬人免於HIV。該計畫讓780萬名嬰兒出生時無HIV,並支持1300萬孤兒及弱勢兒童,還保護了1030萬女孩免受性虐待。根據UNAIDS和UNICEF的數據,PEPFAR不僅有效,還帶來經濟效益,美國對非洲的出口增長四倍。若持續支持PEPFAR,預計能在2030年前根除艾滋病,這將是歷史性的成就。 PubMed DOI

這項研究分析了剛果民主共和國的猴痘病例,重點在兩種病毒克隆:克隆1a(地方性)和克隆1b(新受影響)。研究期間為2023年10月至2024年9月,涵蓋七個省的PCR確認病例。 主要發現包括: - 17,927例疑似病例中,4,895例符合納入標準。 - 新受影響省份患者中位年齡20歲,性別幾乎均等;地方性省份中位年齡15歲,男性比例較高。 - 新區域44%有直接人際接觸,地方性僅5.4%。 - 併發症包括皮膚感染和呼吸困難,地方性區域的死亡率較高。 研究強調需及時醫療介入,特別是在地方性區域。 PubMed DOI

在剛果的臨床試驗發現,針對感染clade I型猴痘病毒的病人,使用tecovirimat並沒有比安慰劑更快讓皮膚病灶癒合,兩組癒合時間差不多(分別是7天和8天),副作用和病毒清除率也差不多。整體來說,tecovirimat安全性還可以,但對皮膚病灶癒合沒明顯幫助。 PubMed DOI

自2022年夏天起,歐洲多國移民收容中心爆發毒素型白喉桿菌感染,主要為皮膚型,也有呼吸道感染及一例死亡。分析363株菌株,發現疫情來自多個來源並有跨國傳播。有些菌株對紅黴素和青黴素有抗藥性,恐影響標準治療。這次疫情提醒大家要警覺抗藥性問題。 PubMed DOI

PandemicLLM 是新一代疫情預測框架,把疾病傳播預測當成文字推理問題來解決。它結合即時多元資料(如防疫政策、基因監測、時序數據),透過 AI 與人類協作提示提升預測準確度。實測美國各州 COVID-19 資料,表現優於現有模型,能整合複雜非數值資訊,讓疫情預測更精準。 PubMed DOI