Traveller exposures to animals: a GeoSentinel analysis
Notice bibliographique
Résumé
BACKGROUND: Human coexistence with other animals can result in both intentional and unintentional contact with a variety of mammalian and non-mammalian species. International travellers are at risk for such encounters; travellers risk injury, infection and possibly death from domestic and wild animal bites, scratches, licks and other exposures. The aim of the present analysis was to understand the diversity and distribution of animal-related exposures among international travellers. METHODS: Data from January 2007 through December 2018 from the GeoSentinel Surveillance Network were reviewed. Records were included if the exposure was non-migration travel with a diagnosis of an animal (dog, cat, monkey, snake or other) bite or other exposure (non-bite); records were excluded if the region of exposure was not ascertainable or if another, unrelated acute diagnosis was reported. RESULTS: A total of 6470 animal exposures (bite or non-bite) were included. The majority (71%) occurred in Asia. Travellers to 167 countries had at least one report of an animal bite or non-bite exposure. The majority (76%) involved dogs, monkeys and cats, although a wide range of wild and domestic species were involved. Almost two-thirds (62.6%) of 4395 travellers with information available did not report a pretravel consultation with a healthcare provider. CONCLUSIONS: Minimizing bites and other animal exposures requires education (particularly during pretravel consultations) and behavioral modification. These should be supplemented by the use of pre-exposure rabies vaccination for travellers to high-risk countries (especially to those with limited access to rabies immunoglobulin), as well as encouragement of timely (in-country) post-exposure prophylaxis for rabies and Macacine alphaherpesvirus 1 (herpesvirus B) when warranted.
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 | 0,001 |
| 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) | 0,002 | 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 ».