International travellers from New Jersey: piloting a travel health module in the 2011 Behavioral Risk Factor Surveillance System survey
Notice bibliographique
Résumé
BACKGROUND: In 2011, the Centers for Disease Control and Prevention and the New Jersey Department of Health used the New Jersey Behavioral Risk Factor Survey (NJBRFS), a state component of the national Behavioral Risk Factor Surveillance System (BRFSS) to pilot a travel health module designed to collect population-based data on New Jersey residents travelling internationally. Our objective was to use this population-based travel health information to serve as a baseline to evaluate trends in US international travellers. METHODS: A representative sample of New Jersey residents was identified through a random-digit-dialing method and administered the travel health module, which asked five questions: travel outside of USA during the previous year; destination; purpose; if a healthcare provider was visited before travel and any travel-related illness. Additional health variables from the larger NJBRFS were considered and included in bivariate analyses and multiple logistic regression; weights were assigned to variables to account for survey design complexity. RESULTS: Of 4029 participants, 841 (21%) travelled internationally. Top destinations included Mexico (10%), Canada (9%), Dominican Republic (6%), Bahamas (5%) and Italy (5%). Variables positively associated with travel included foreign birth, ≥$75 000 annual household income, college education and no children living in the household. One hundred fifty (18%) of 821 travellers with known destinations went to high-risk countries; 40% were visiting friends and relatives and only 30% sought pre-travel healthcare. Forty-eight (6%) of 837 responding travellers reported travel-related illness; 44% visited high-risk countries. CONCLUSIONS: Approximately one in five NJBRFS respondents travelled internationally during the previous year, a sizeable proportion to high-risk destinations. Few reported becoming ill as a result of travel but almost one-half of those ill had travelled to high-risk destinations. Population-based surveillance data on travellers can help document trends in destinations, traveller type and disease prevalence and evaluate the effectiveness of disease prevention programmmes.
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 | 0,005 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».