Illness among US resident student travellers after return to the USA: a GeoSentinel analysis, 2007–17
Notice bibliographique
Résumé
Background: The number of US students studying abroad more than tripled during the past 20 years. As study abroad programmes' destinations diversify, students increasingly travel to resource-limited countries, placing them at risk for infectious diseases. Data describing infections acquired by US students while travelling internationally are limited. We describe illnesses among students who returned from international travel and suggest how to prevent illness among these travellers. Methods: GeoSentinel is a global surveillance network of travel and tropical medicine providers that monitors travel-related morbidity. This study included the records of US resident student international travellers, 17-24 years old, who returned to the USA, had a confirmed travel-related illness at one of 15 US GeoSentinel sites during 2007-17 and had a documented exposure region. Records were analysed to describe demographic and travel characteristics and diagnoses. Results: The study included 432 students. The median age was 21 years; 69% were female. More than 70% had a pre-travel consultation with a healthcare provider. The most common exposure region was sub-Saharan Africa (112; 26%). Students were most commonly exposed in India (44; 11%), Ecuador (28; 7%), Ghana (25; 6%) and China (24; 6%). The median duration of travel abroad was 40 days (range: 1-469) and presented to a GeoSentinel site a median of 8 days (range: 0-181) after travel; 98% were outpatients. Of 581 confirmed diagnoses, the most common diagnosis category was gastrointestinal (45%). Acute diarrhoea was the most common gastrointestinal diagnosis (113 of 261; 43%). Thirty-one (7%) students had vector-borne diseases [14 (41%) malaria and 11 (32%) dengue]. Three had vaccine-preventable diseases (two typhoid; one hepatitis A); two had acute human immunodeficiency virus infection. Conclusions: Students experienced travel-related infections, despite the majority having a pre-travel consultation. US students should receive pre-travel advice, vaccinations and chemoprophylaxis to prevent gastrointestinal, vector-borne, sexually transmitted and vaccine-preventable infections.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,003 | 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 ».