Skin diseases in displaced populations: a review of contributing factors, challenges, and approaches to care
Notice bibliographique
Résumé
There are 70.8 million persons displaced worldwide due to war, persecution, and violence. Eighty percent of displaced persons reside in low- and middle-income countries with limited healthcare resources. Cutaneous diseases are commonly reported among displaced persons owing to numerous interrelated factors such as inadequate housing, overcrowding, food insecurity, environmental exposures, violence including torture, and breakdown of healthcare infrastructure. Diagnosis and management of these conditions, as well as an understanding of the context in which they present, is crucial to providing dermatologic care for displaced populations worldwide. Herein, we define displaced populations and, within this context, review the epidemiology of skin diseases, discuss pertinent skin conditions, examine challenges to care provision, and present approaches for improving dermatologic care. Inflammatory and communicable infectious disorders are the most common skin diseases seen in displaced populations. Other relevant conditions include skin manifestations of heat injuries, cold injuries, immersion foot syndromes, macronutrient and micronutrient deficiencies, torture, and sexual and gender-based violence. Provision of dermatologic care to displaced populations is hampered by limited diagnostic and therapeutic resources and specialist expertise. Medical screening for cutaneous disorders, context-relevant dermatology training, and telemedicine are potential tools to improve diagnosis and management of skin diseases in displaced populations.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 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) | 0,000 | 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 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 ».