Managing outbreaks of highly contagious diseases in prisons: a systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: There are reports of outbreaks of COVID-19 in prisons in many countries. Responses to date have been highly variable and it is not clear whether public health guidance has been informed by the best available evidence. We conducted a systematic review to synthesise the evidence on outbreaks of highly contagious diseases in prison. METHODS: We searched seven electronic databases for peer-reviewed articles and official reports published between 1 January 2000 and 28 July 2020. We included quantitative primary research that reported an outbreak of a given contagious disease in a correctional facility and examined the effects of interventions. We excluded studies that did not provide detail on interventions. We synthesised common themes using the Synthesis Without Meta-analysis (SWiM) guideline, identified gaps in the literature and critically appraised the effectiveness of various containment approaches. RESULTS: We identified 28 relevant studies. Investigations were all based in high-income countries and documented outbreaks of tuberculosis, influenza (types A and B), varicella, measles, mumps, adenovirus and COVID-19. Several themes were common to these reports, including the public health implications of infectious disease outbreaks in prison, and the role of interagency collaboration, health communication, screening for contagious diseases, restriction, isolation and quarantine, contact tracing, immunisation programmes, epidemiological surveillance and prison-specific guidelines in addressing any outbreaks. DISCUSSION: Prisons are high-risk settings for the transmission of contagious diseases and there are considerable challenges in managing outbreaks in them. A public health approach to managing COVID-19 in prisons is required. PROSPERO REGISTRATION NUMBER: CRD42020178827.
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.
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) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,000 | 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 découle