ガーナとルワンダのスネークバイトリスクのマッピング

導入

バックグラウンドスネークバイトは、2017年に世界保健機関（WHO）によって無視された熱帯病（NTD）と宣言され、世界的な公衆衛生への影響を反映しています。 症例の95％以上が熱帯環境で発生し、主に南アジア、サハラ以南のアフリカ、南アメリカの低および中所得国（LMIC）で発生し、最大の負担は、それほど堅牢ではない人々を含む最も脆弱な集団にあります住宅、低所得の農業労働者、および子供。 ヘビの啓発は、年間最大138,000人の死亡を引き起こし、致命的ではない咬傷は、深刻な瘢痕や四肢切断、心理的影響、これらの結果から生じる社会的汚名、孤立、経済的損失など、身体障害を通じてかなりの健康上の負担をもたらします。 Snakebiteの公衆衛生への影響に対処するために、Snakebite Envenoming戦略を開始しました。これは、2030年までに死と障害を半減するという野心的な目的で、2019年に予防と制御の戦略です。

スネークバイトの予防と管理は進化する分野です。 医学的に重要なヘビ種の全範囲による効果的な治療法を開発するには、困っている集団にとって手頃な価格のコストで重要な作業が必要です。 このような課題にもかかわらず、スネークバイトを予防および管理するのに役立つアプローチは存在し、リスクの高いコミュニティでのヘビの負担を軽減するのに効果的です。 予防活動は、保護履物の使用を含む、家庭内や職場内のヘビを避ける方法に関する教育の危険性に関するコミュニティ内の知識の構築に焦点を当て、噛まれた場合、効果的な治療を求めることの重要性を促進することに焦点を当てています。従来の救済に頼るよりも。 人がヘビを経験する場合、被害者の管理は、固定化や圧力包帯の適用、医療施設での支援ケア、必要に応じて利用可能な場合、抗毒液による治療などの単純な応急処置技術など、さまざまな対策をカバーする場合があります。責任のあるヘビの種に対して効果的です。

スネークバイトの負担に関する高品質のデータは、治療と予防のためのリソースが最も危険にさらされている集団を対象とすることを保証するために不可欠です。 ただし、そのようなデータはまばらに報告されており、データの可用性はサハラ以南のアフリカ（SSA）の国で特に限られています。 SSAのほとんどのスネークバイトデータは、医療施設の調査と報告から来ています。 ただし、Snakebiteは通知可能な条件で広く指定されておらず、日常的な医療施設のデータは、多くの場合、全国的に報告されていないか、一貫して行われません。 医療施設のデータが利用可能な場合、多くのヘビバイトの犠牲者が時間内に健康施設に到達していないか、コミュニティで伝統的な扱いを求めていないため、スネークバイトの負担を過小評価する可能性があります。 高品質の断面コミュニティ調査は、細かいスケールでのスネークバイトの負担の評価に役立ちますが、これまでにSSAで実施されていることはほとんどありません。地形、弱い医療インフラストラクチャ、または政治的不安定性は、必要な規模で負担を推定するための実行可能な代替手段を提供しません。 リスク緩和、予防、または排除戦略を通知し、堅牢な監視システムなしでは、スネークバイトの疫学を特徴付けるには、より良いデータが必要です。高リスク領域を効果的に特定するための代替アプローチが必要です。

問題の声明と研究の正当化

SSAのスネークバイト負担の地理的変動の高品質推定値は、ヘビの予防と管理のためのリソースを提唱し、これらを最も危険にさらされている集団に合わせるために必要です。 日常的なデータの重大な欠陥と、上記のように特注のデータ収集方法に依存することへの課題を認識して、無視された熱帯疾患を終わらせるためのWHOのロードマップ2021-2030は、低リソースの設定におけるヘビバイトリスクの分布により良いデータが必要であると述べています。そして、この目的のために、「疾患の疫学の粒状の見解を得るには、新しいアプローチとマッピングツールが必要です」。

空間分析と疾患マッピング手法は、疾患の負担の評価と監視がデータの利用可能性の課題の課題である領域でのNTDの疫学を評価する際の有効性について、ますます認識されています。 空間分析方法は、地理的、気候、人口ベースの変数などの空間的に変化する説明変数に関する情報を利用し、既知の場所で収集された疾患負担データとの関係を評価することにより、疾患の負担の評価を支援します。 このようなデータは、サンプリングされていない場所での疾患リスクを予測するための地球統計モデルを開発するために利用されています。

ヘビの毒のリスクは、有毒なヘビ種と人間の個体群の地理的分布と、それらの相互作用の可能性と性質に影響を与える要因に影響されます。 そのため、スネークバイト予防および管理プログラムは、空間分析技術の適用から恩恵を受ける可能性があります。 スネーク種の分布に関する正確なデータの利用可能性は、細かいスケールであります。 高度、降雨量や温度などの気候変数、人口密度、貧困、都市農村分布などの人口統計変数などの地理的特徴など、ヘビの生息地の適合性に影響する要因の詳細なデータセットがますます洗練され、公開されています。 これらのデータセットの多くには、履歴データも含まれており、時間的傾向の評価を可能にします。 このような共変量データの可用性と空間分析方法の有用性は、限られたスネークバイトの発生率データを活用して、ヘビ酸バイトリスクの変動をより広く予測するためのモデルを開発するための貴重な機会を提供します。

このプロジェクトの目的は、空間分析と疾患マッピング手法を使用して、ヘビ酸リスクの地理的変動を理解し、サンプリングされていない場所でのリスクの予測を支援することを目的としています。従来のデータ収集アプローチへの依存と、大陸全体の繰り返し調査の必要性を減らします。 特に次の研究質問に対処することを目指しています。

1.日常的に利用可能なスネークバイト発生率データと空間的に参照された共変量からの情報を使用して、スネークバイトリスクの地理的変動を予測できますか？

スネークバイトリスクを予測するための地球統計モデルの開発を可能にするには、ヘビの発生率に関する十分なデータ、および関心地域の社会的および自然環境データが必要です。 以前に実施されたコミュニティおよび医療施設の研究を通じて収集されたSnakebiteの負担に関する限られた数の既存のデータセットが特定されており、分析のために正式に要求されます。 これに加えて、環境（土地被覆、高度を含む）、気候（降雨、温度を含む）、社会人口統計（貧困および人口密度を含む）などの空間的に参照される潜在的な説明変数に高品質のオープンソースデータセットの可用性が高まっています文献レビューを通じて特定された要因が利用可能です。

スネークバイトの発生率と潜在的な説明変数に関する利用可能な歴史的データを分析すると、地球統計モデルを検証または改良するために、効果的な一次データ収集のために利用可能なリソースをターゲットにする場所をよりよく理解できます。

2一次データと二次データの組み合わせをどの程度使用して地球統計分析を検証および改良することができますか？また、この地球統計モデルの開発に利用できるさまざまなデータソースの相対的なユーティリティは何ですか？

選択された場所でさらにヘビ酸塩データが収集され、ヘビ酸塩の発生率と潜在的な説明要因との関連の評価を検証または改善します。

既存のデータ収集プラットフォームは、スネークバイトの発生率に関するデータを収集するために利用されます。 At this stage, a collaboration will be planned with the Global Health and Infectious Diseases research group at the Kumasi Centre for Collaborative Research in Tropical Medicine (KCCR), Kumasi, to conduct snakebite surveys alongside ongoing data collection in some of the selected study districts. また、研究期間内に実現可能な場合、今後の村レベルの健康評価でルワンダ生物医学センターと協力する可能性もあります。 さらに、選択された補完的な場所でのスタンドアロンのスネークバイトコミュニティ調査が実施されます。

追加データの収集により、地球統計モデルの洗練が可能になり、スネークバイトリスクと空間的に参照される説明要因との関連の評価が改善されます。 目的は、調査場所内で適用できるスネークバイトの予測リスクモデルの開発に貢献することです。 将来の作業では、新規または既存のデータの両方で、これはSSA全体のさらなる場所に拡張され、適用される可能性があります。 これらの予測リスクモデルの出力は、スネークバイトリスクマップの形で、ヘビ酸リスクの地理的変動に関する多くの必要な知識を提供し、治療と予防のためのリソースを困っている集団を効果的に標的にすることができます。

この作業を通じて、ゴールドスタンダード（コミュニティベースの断面調査を通じて収集されたデータ）と比較して、既存の調査プラットフォームを介して収集された医療施設データやデータなど、より容易に利用可能なデータソースの相対的な有用性の評価が実施されます。 、そのため、スネークバイトリスクの予測におけるこれらのデータソースの価値をよりよく理解できるようにします。

3.気候、洪水、土地利用（農業、道路、ダム、建築インフラストラクチャ）などの環境変数の変化は、スネークバイトの発生率に影響しますか？

気候、洪水、土地利用などの環境要因は、ヘビの生息地、分布、および行動を変化させ、一部の地域で人間の接触の可能性を高めることができます。 湿度、温度、上昇、降雨、および正規化された差異植生指数（NDVI）などの他の要因も、ヘビの発生率の地理空間的変動に関連していますが、ガーナやルワンダを含む資源制限された設定では証拠がまばらです。

空間的に参照された自然および社会的環境データのオープンソースを使用して、この研究では、時変環境データとヘビの発生との関連を評価して、ヘビ酸バイトの発生率の時間的変動を理解します。 スネークバイトの発生率の時間的変動を理解することは、スネークバイトリスクの高まりの季節を予測し、予防的介入のタイミングを知らせるのに役立つため重要です。 したがって、この結果は、リスクの高い地域での環境管理とリスク軽減措置に実際に情報を提供し、調査場所やその他のサンプリングされていない場所全体でのヘビ帯発生率の時空間的変動の将来の傾向を予測するのに役立ちます。

4.疫学データは、どのように抗vivenomの適切な分布を支援できますか？

モデルベースの地球統計学の枠組み内で、コミュニティ調査の疫学データは、スネークバイトの負担とリスクの信頼できる推定値を提供できます。 スネークバイトの発生率の増加と季節変動の予測（リスクの増加の期間）の両方の領域をマッピングすることにより、そのような疫学データは、抗毒液の需要が増加する可能性のあるホットスポットの季節変動を特定するのに役立ちます。 この研究の質問に答えるために、医療施設の場所と抗vivenom分布に関する利用可能なデータを使用して、抗vivenom分布の現在の戦略のマップを生成します。 Snakebiteのリスクマップは、現在のAntivenom Distribution戦略のマップと比較されます。 この情報は、スネークバイトの結果を改善するために、高リスクゾーンの病院への抗vivenomの公平な割り当てと配布を導きます。

研究方法論

研究デザイン

この研究では、横断設計を採用します。 これは、スネークバイトの疫学に関する定量的データ、ヘビの発生率の空間分布、および次のことを介して収集された抗viNOM分布戦略を評価する分析的観察研究を構成します。

1. コミュニティベースの横断調査
2. 日常的な医療施設データの分析によるヘビ酸塩の発生率の評価

3. 国全体のアンチベノム分布の施設レベルの評価

   サンプルサイズとサンプリング方法

   ガーナマルチステージサンプリング方法を使用して、調査参加のために家庭用ユニットを選択します。 これは、次のように降順で4レベルの階層設計内で実装されます：生態ゾーン、生態ゾーン内の地区、地区内の列挙エリア（EAS）、およびEAS内の世帯。

   ガーナは5つの主要な生態ゾーンに分かれています。 この国はまた、16の地理的地域に分割されており、さらに261の地区（具体的には、144の普通地区、111の地方自治体、および6つの大都市圏）に分割されています。 実用的なサンプリングのために、6つのメトロポリタン地区はすべて、これらの地域ではヘビバイトが現実的に期待されていないため、サンプリングプロセスから除外されます。 各地区は、国勢調査目的で指定された明確な境界を持つ最小の地理的単位として定義されています。 2021年の人口と住宅の国勢調査には、51,917 EASが記載されており、地区あたり平均約199 EASがありました。

   残りの255の地区のうち、20が5つの生態ゾーン内の粗いヘビ酸塩の発生率に及ぶようにランダムに選択されます。 すべての地区は、2023年のスネークバイトケースに基づいて、高（≥100）、ミッドレンジ（50-99）、または低（<50）に分類されます。 投票技術を使用した交換なしの単純なランダムサンプリングを使用して、各生態帯の地区を選択します。 国全体の地理的広がりを確保するために、最初の地区の後のその後の地区の選択は、以前にサンプリングされた地区に隣接していないという条件の対象となります。この条件が満たされない場合、問題の地区は破棄されます。 ハイケースカウント地区は、より正確なヘビバイトの推定値を取得するためにオーバーサンプリングされます。 合計8つの高、6つのミッドレンジ、および6つの低ケースカウント地区が各地区の各生態ゾーンの割り当てに含まれます。サンプリングフレームとして地区で。 選択した各EA内で、調査参加のために40世帯が選択されます。 ガーナ統計サービスによって維持されている世帯リストは、サンプリングフレームとして使用されます。 それぞれに含まれるEAについて、コンピューター化された乱数ジェネレーターを使用して、調査に含めるために40世帯を選択します。 衰退した調査参加を拒否する最初のランダムセットに含まれる世帯は、最初のセットに含まれていないランダムに選択された世帯のバックアップリストから別の世帯に置き換えられます。 このサンプリング設計は、ガーナの20の選択された地区すべてにわたって合計20,000世帯をもたらすと予想されています。

   ルワンダのルワンダ、マルチステージサンプリング方法は、次のように、4レベルの階層設計で降順で4レベルの階層設計に実装されます。生態帯、生態ゾーン内の地区、セクター内の村、および村内の世帯も実装されます。

   ルワンダは10の生態ゾーンに分かれています。 この国は5つの州に分割されており、さらに30の地区にセグメント化されています。 地区は416のセクターに分割されています。 ただし、生態ゾーン全体の地区が大幅に重複しているため、適切な地理的広がりを取得するためには、一部の地区の連続性が許可されます。 各セクターは細胞に細分され、さらに村に分割されます。 2022年の人口と住宅の国勢調査には、14,837の村が記載されていました。

   30の地区のうち12（12）がランダムに選択され、生態ゾーン全体の粗蛇の発生率に及ぶ範囲に及びます。 すべての地区は、2022年のスネークバイトケースに基づいて、高（≥100）、ミッドレンジ（50-99）、または低（<50）に分類されます。 投票技術を使用した交換なしの単純なランダムサンプリングを使用して、各生態ゾーンの地区を選択し、さまざまな生態ゾーンを重ねて4つの連続したペアのペアを可能にし、地理的広がりを達成します。

   各地区について、25の村は乱数ジェネレーターを使用してランダムにサンプリングされ、ルワンダ統計局がサンプリングフレームとして維持している村のマスターリストが維持されます。 選択した各村内で、コンピューター化された乱数ジェネレーターを使用した調査のために40世帯が選択され、国勢調査の世帯リストはサンプリングフレームとして選択されます。 衰退した調査参加を拒否する最初のランダムセットに含まれる世帯は、最初のセットに含まれていないランダムに選択された世帯のバックアップリストから別の世帯に置き換えられます。 このサンプリング設計では、ルワンダの12の選択された地区すべてにわたって合計12,000世帯が得られると予想されています。

   過去5〜10年をカバーする、両国の健康情報管理システムからの日常的な医療施設データデータは、記録が利用可能な二次分析のために取得されます。

   サンプリング手順

   スタンドアロンのコミュニティスネークバイト調査は別の場所で実施され、次のコンポーネントを使用して、マルチステージクラスターサンプリングアプローチを使用します。

   両国のサンプリングユニット地区は、利用可能な日常的な健康データから推定されるスネークバイトの発生率の範囲と、既存のデータの文献レビューと分析を通じて特定された関心のある環境および社会人口学的共変量のカバレッジの範囲にまたがるようにランダムに選択されます。

   地区内のプライマリサンプリングユニット（PSU）PSUは、最小の管理ユニットに基づいており、乱数ジェネレーターを使用して選択され、数は地区の人口規模に比例して選択されます。 人口の推定値とPSUは、これらが国内で利用可能である場合、最新の人口調査データまたはより最新の推定から取得されます。 人口に記載されている国勢調査列挙エリア（EA）と住宅の国勢調査が使用されます。

   セカンダリサンプリングユニット（SSUS）SSUSは家庭用ユニットになります。 世帯リストが均一に利用可能な場合、各EA/EUの世帯は乱数ジェネレーターを使用してランダムに選択されます。 世帯リストが均一に利用可能でない場合、コンパクトセグメントサンプリングが使用され、家庭の不在を効率的に実施することができます。 家庭用ユニットは次の定義を使用します。同じ化合物（フェンスで囲まれている、または妨げられていない）に住んでいる1人または複数の人々が同じ頭に対して答えられ、食料および/または一般的な家計/収入の共通源を共有します。 世帯名簿の目的のための通常の世帯メンバーは、通常、そこに住んでいる国内の使用人、宿泊者、友人を含む、月の50％以上にわたって世帯にいる人と定義されています。

   再訪して、彼らに代わって行動できる世帯長または責任ある大人が存在しない場合、同じ日の後半に再訪が予定されます。 調査の物流上の制約の範囲内で、必要に応じて翌日を再検討することが可能であれば、これが手配されます。

   スネークバイトの犠牲者が特定されているが不在の場合、上記のように再訪が配置されます。 再訪が不可能な場合、Snakebiteの詳細アンケートは、エピソードに関する質問に可能な限り答えることができる責任ある大人に尋ねられます。

   潜在的な参加者が参加をより長く検討することを望む場合、上記の概説された時間枠内で再訪がスケジュールされる場合があります。

   家庭が不在の家庭が最初の試みや再訪で存在しない場合、それは不在の世帯として記録されます。 不在の世帯のメンバーの数、年齢、性別に関する情報は、監督している村の家庭に関する情報を保持しているコミュニティガイド（コミュニティヘルスボランティア）から求められます。これは、データのバイアスの分析のために記録されます。行方不明。

   既存の人口統計調査と健康調査の世帯スクリーニングでは、家庭のスクリーニングの質問は、調査で使用されているアンケートに埋め込まれます。 これらの質問では、すべての世帯メンバーがスネークバイトの歴史についてスクリーニングします。 Snakebiteの歴史を報告する人々とのフォローアップ調査が行われます。

   スタンドアロンのスネークバイト調査では、すべての世帯メンバーをスクリーニングして、ヘビのバイトをスクリーニングし、追加の世帯社会人口統計学的詳細を文書化するために、別の世帯スクリーニングアンケートが実施されます。 訓練を受けたデータコレクターから家庭長に、または利用できない場合は、各世帯で家庭長に代わって答えることができる責任ある大人に質問が求められます。

   データは、レッドキャップ上で開発され、タブレットにマウントされた事前にプログラムされたデータ収集フォームを使用して収集されます。

   Snakebiteの詳細アンケートSnakebiteが報告されている場合、Snakebiteの詳細アンケートは、それぞれの世帯員（または被害者が未成年者または故人である場合は責任ある大人の代表者）と一緒に管理されます。 既存の健康調査と人口統計調査の文脈では、このアンケートは、実行可能であれば、または次の1か月以内に特定されたケースを含む計画されたフォローアップ期間の一部として同じ日に管理されます。 スタンドアロンのスネークバイト調査では、このアンケートは、犠牲者が不在でない限り、家庭のスクリーニングアンケートに直ちに続き、再訪が要求されます。

   データ品質保証データの品質と一貫性は、標準的な調査手順とアンケート管理で調査データコレクターをトレーニングすることにより保証されます。 データコレクターの能力は、トレーニング中にレビューされ、その間、研究開始前に標準化された調査手順を実行する能力を実証する必要があります。

   Snakebiteの犠牲者とのフォローアップ調査が実施されると、このデータはPIによって定期的に品質と一貫性についてレビューされます。

   調査フォームは、フリーテキスト入力を最小限に抑えるために、事前にコード化された応答選択でプログラムされます。 調査アンケートは、回答者の小さなグループ（15-20）とのパイロットテストを受けて、問題を特定し、質問の言葉遣いを改善し、あいまいさに対処して明確さを改善します。 データコレクターは、同意プロセス、調査管理、回答者の質問や懸念の処理など、データ収集手順について集中的にトレーニングされます。 トレーニングには、データコレクターが質問を完全に理解し、標準的な調査慣行に従うことを保証するために、ロールプレイングセッションと模擬インタビューが含まれます。

   ダッシュボードも作成され、データ収集で進捗状況を監視し、データ品質の問題を特定するためのデータの品質の問題を特定して、リアルタイムに近いことです。 データは、データ収集中の矛盾とエラーについて継続的にレビューされます。 データの不一致に関するクエリは、もしあれば、毎日の終わりに解決するためにデータコレクターに送信されます。 重複したエントリが特定され、削除され、矛盾または外れ値は慎重に検査および修正されます。

   また、毎週のチームミーティングが行われ、課題を特定し、データ収集活動の全体的な品質を確保するためのソリューションについて議論します。

   データ収集後、検証手順が閉じられ、データベースがロックされ、サーバー上のさらなるデータエントリまたは編集が防止されます。

   データ分析データは、主にPrevmapパッケージを使用して、R統計ソフトウェアを使用して分析されます。 モデルベースの地球統計的アプローチが使用されます。 探索的分析は、最初に標準的な線形および一般化された線形回帰を使用して実施され、空間的に参照された環境および社会人口統計データとヘビの発生率との関連を評価します。 また、個々のレベルとクラスターレベルの効果の両方を含めることにより、ここでこれらの調査の一部として収集された個々の共変量データを利用することも可能です。 この回帰モデルからの残差の空間構造を評価し、情報を使用して、回帰調整で削除できないこの空間相関を考慮した予測モデルを構築します。 可能であれば、時間変化する危険因子は、たとえば、医療施設のデータの評価において考慮されます。

   コミュニティおよび医療施設の調査から新しく収集されたスネークバイトデータを追加するには、モデルを改良するためにモデルベースの地球統計分析を拡張する必要があります。 同等の調査方法と結果測定が使用される場合、共同モデリングを実施することができます。 また、確率の輪郭マップは、設定されたしきい値を超える発生率の確率を示す尤度推定を組み込んだものも生成されます。

   各データソースとデータ収集方法の相対的な精度は、スネークバイトの発生率を評価する際の価値について比較されます。クラスターサンプリングされた調査では、これらのデータソースを使用できる最も効果的な方法をよりよく理解するために、クラスターサンプリングされた調査を検討します。スネークバイトリスクの正確な予測。

   モデル検証予測モデルの内部検証シミュレートされたデータセットを使用して、地球統計モデルの予測精度を評価します。 予測モデルは、リスクレベルにまたがる新しくサンプリングされたセンチネルサイトのデータを使用して外部から検証されます。 調査対象地域以外の研究からデータが利用可能になる場合、モデルの一般化可能性をテストするために使用されます。

   欠落データの管理の管理は、調査サンプルの人口統計学的分布の観点からバイアスにつながった可能性があるかどうかを評価するために分析されます。 世帯規模の不在と世帯メンバーの年齢/性別の詳細が利用可能な場合、これは含まれているサンプルと比較されます。 このデータが利用できない場合、含まれたサンプルは、最新の国勢調査に従って、郡の人口の人口統計学的分布と比較されます。

   倫理的および規制ガイダンスこの研究は、ヘルシンキ宣言と良好な臨床診療（GCP）に定められた倫理原則に従って実施され、すべての研究研究者はGCPで最新のトレーニングを受ける必要があります。

   研究プロトコルは、英国および研究国の研究倫理委員会による審査の対象となり、それぞれの国での研究開始前に承認が求められます。

   研究倫理委員会（REC）レビュー研究の開始前に、研究プロトコル、インフォームドコンセントフォーム、その他の研究文書について、英国のリバプール熱帯医学部（LSTM）研究倫理委員会から承認が求められます。 LSTMスポンサーおよび研究倫理委員会に、毎年元の承認日に予定されている年次報告書を提供し、すべての活動が完了したら調査報告書を提供します。

   同等のREC承認も協力国でも求められます。

   ガーナでは、ガーナヘルスサービス倫理審査委員会を通じて倫理的承認が適用されます。 すべてのデータ収集活動をカバーするために、1つの倫理申請が提出されます。 ルワンダでは、ルワンダ国立倫理委員会を通じて倫理承認が適用されます。

   プロトコル修正研究が説明されているプロトコルから逸脱しないことを保証します。 プロトコル偏差が発生した場合、承認のためにLSTMおよび国内当局に修正を提出します。

   研究の完了時に結果の普及と適用、データが分析され、最終的な研究報告書が作成されます。 コミュニティ調査からの調査結果は、オンラインまたは対面のワークショップを通じて分析の完了後、参加者コミュニティに普及するために、研究パートナーおよび地元の利害関係者（コミュニティリーダーやヘルスケアの代表者を含む）と正式に共有されます。

   研究結果は、研究論文で査読済みのジャーナルに、適切な科学会議でのプレゼンテーションに提出されます。 主任研究者は出版の責任を負います。出版物は、貢献が研究の完了を可能にした参加者、人員、資金調達機関を認めます。