International mass gatherings and travel-associated illness: A GeoSentinel cross-sectional, observational study
Notice bibliographique
Résumé
BACKGROUND: Travelers to international mass gatherings may be exposed to conditions which increase their risk of acquiring infectious diseases. Most existing data come from single clinical sites seeing returning travelers, or relate to single events. METHODS: Investigators evaluated ill travelers returning from a mass gathering, and presenting to a GeoSentinel site between August 2015 and April 2019, and collected data on the nature of the event and the relation between final diagnoses and the mass gathering. RESULTS: Of 296 ill travelers, 51% were female and the median age was 54 years (range: 1-88). Over 82% returned from a religious mass gathering, most frequently Umrah or Hajj. Only 3% returned from the Olympics in Brazil or South Korea. Other mass gatherings included other sporting events, cultural or entertainment events, and conferences. Respiratory diseases accounted for almost 80% of all diagnoses, with vaccine preventable illnesses such as influenza and pneumonia accounting for 26% and 20% of all diagnoses respectively. This was followed by gastrointestinal illnesses, accounting for 4.5%. Sixty-three percent of travelers reported having a pre-travel encounter with a healthcare provider. CONCLUSIONS: Despite this surveillance being limited to patients presenting to GeoSentinel sites, our findings highlight the importance of respiratory diseases at mass gatherings, the need for pre-travel consultations before mass gatherings, and consideration of vaccination against influenza and pneumococcal disease.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| 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 ».