Malaria in Travelers: A Review of the GeoSentinel Surveillance Network
Notice bibliographique
Résumé
BACKGROUND: Malaria is a common and important infection in travelers. METHODS: We have examined data reported to the GeoSentinel surveillance network to highlight characteristics of malaria in travelers. RESULTS: A total of 1140 malaria cases were reported (60% of cases were due to Plasmodium falciparum, 24% were due to Plasmodium vivax). Male subjects constituted 69% of the study population. The median duration of travel was 34 days; however, 37% of subjects had a travel duration of < or =4 weeks. The majority of travellers did not have a pretravel encounter with a health care provider. Most cases occurred in travelers (39%) or immigrants/refugees (38%). The most common reasons for travel were to visit friends/relatives (35%) or for tourism (26%). Three-quarters of infections were acquired in sub-Saharan Africa. Severe and/or complicated malaria occurred in 33 cases, with 3 deaths. Compared with others in the GeoSentinel database, patients with malaria had traveled to sub-Saharan Africa more often, were more commonly visiting friends/relatives, had traveled for longer periods, presented sooner after return, were more likely to have a fever at presentation, and were less likely to have had a pretravel encounter. In contrast to immigrants and visitors of friends or relatives, a higher proportion (73%) of the missionary/volunteer group who developed malaria had a pretravel encounter with a health care provider. Travel to sub-Saharan Africa and Oceania was associated with the greatest relative risk of acquiring malaria. CONCLUSIONS: We have used a global database to identify patient and travel characteristics associated with malaria acquisition and characterized differences in patient type, destinations visited, travel duration, and malaria species acquired.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».