Environmental Hazards in Nepal: Altitude Illness, Environmental Exposures, Injuries, and Bites in Travelers and Expatriates
Notice bibliographique
Résumé
BACKGROUND: Adventure travel necessarily places travelers at risk of environmental hazards. We assessed the burden of "environmental" hazards among a cohort of travelers and expatriates presenting to a large travel clinic in Nepal. METHODS: Data on travelers and expatriates seen at the Canadian International Water and Energy Consultants (CIWEC) clinic in Kathmandu were prospectively collected and entered into the GeoSentinel Surveillance Network database. Data on individuals receiving predefined diagnoses related to environmental hazards were extracted and analyzed. RESULTS: Of 10,499 travelers and 4,854 expatriates in the database, 2,160 were diagnosed with 2,533 environment-related illnesses. Injuries were common among both travelers and expatriates [N= 788 (6.1%) and 328 (4.9%), respectively], while altitude illness was seen almost exclusively in travelers [N= 611 (4.7%) vs N= 8 (0.1%)]. Factors independently associated with environmental diagnoses include male gender (p < 0.001), traveling for tourism (p < 0.001), and lack of pre-travel advice (p= 0.043). Three percent of travelers and 2% of expatriates presenting to CIWEC sustained a bite wound or required rabies postexposure prophylaxis. Injured travelers were less likely than others to have obtained pre-travel advice (p= 0.003), while those who sustained bite wounds were more likely to have received pre-travel advice (p < 0.001). CONCLUSIONS: Environmental hazards are important causes of morbidity and potential mortality among adventure travelers and expatriates. Current pre-travel interventions are missing certain risk groups entirely and failing to have the desired educational impact in others.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».