Business travel-associated illness: a GeoSentinel analysis†
Notice bibliographique
Résumé
Background: Analysis of a large cohort of business travelers will help clinicians focus on frequent and serious illnesses. We aimed to describe travel-related health problems in business travelers. Methods: GeoSentinel Surveillance Network consists of 64 travel and tropical medicine clinics in 29 countries; descriptive analysis was performed on ill business travelers, defined as persons traveling for work, evaluated after international travel 1 January 1997 through 31 December 2014. Results: Among 12 203 business travelers seen 1997-2014 (14 045 eligible diagnoses), the majority (97%) were adults aged 20-64 years; most (74%) reported from Western Europe or North America; two-thirds were male. Most (86%) were outpatients. Fewer than half (45%) reported a pre-travel healthcare encounter. Frequent regions of exposure were sub-Saharan Africa (37%), Southeast Asia (15%) and South Central Asia (14%). The most frequent diagnoses were malaria (9%), acute unspecified diarrhea (8%), viral syndrome (6%), acute bacterial diarrhea (5%) and chronic diarrhea (4%). Species was reported for 973 (90%) of 1079 patients with malaria, predominantly Plasmodium falciparum acquired in sub-Saharan Africa. Of 584 (54%) with malaria chemoprophylaxis information, 92% took none or incomplete courses. Thirteen deaths were reported, over half of which were due to malaria; others succumbed to pneumonia, typhoid fever, rabies, melioidosis and pyogenic abscess. Conclusions: Diarrheal illness was a major cause of morbidity. Malaria contributed substantial morbidity and mortality, particularly among business travelers to sub-Saharan Africa. Underuse or non-use of chemoprophylaxis contributed to malaria cases. Deaths in business travelers could be reduced by improving adherence to malaria chemoprophylaxis and targeted vaccination for vaccine-preventable diseases. Pre-travel advice is indicated for business travelers and is currently under-utilized and needs improvement.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».