The socioeconomic burden of antibiotic resistance in conflict-affected settings and refugee hosting countries: a systematic scoping review
Notice bibliographique
Résumé
BACKGROUND: Antibiotic resistance (ABR) is a major global threat. Armed and protracted conflicts act as multipliers of infection and ABR, thus leading to increased healthcare and societal costs. We aimed to understand and describe the socioeconomic burden of ABR in conflict-affected settings and refugee hosting countries by conducting a systematic scoping review. METHODS: A systematic search of PubMed, Medline (Ovid), Embase, Web of Science, SCOPUS and Open Grey databases was conducted to identify all relevant human studies published between January 1990 and August 2019. An updated search was also conducted in April 2020 using Medline/Ovid. Independent screenings of titles/abstracts followed by full texts were performed using pre-defined criteria. The Newcastle-Ottawa Scale was used to assess study quality. Data extraction and analysis were based on the PICOS framework and following the PRISMA-ScR guideline. RESULTS: The search yielded 8 studies (7 publications), most of which were single-country, mono-center and retrospective studies. The studies were conducted in Lebanon (n = 3), Iraq (n = 2), Jordan (n = 1), Palestine (n = 1) and Yemen (n = 1). Most of the studies did not have a primary aim to assess the socioeconomic impact of ABR and were small studies with limited statistical power that could not demonstrate significant associations. The included studies lacked sufficient information for the accurate evaluation of the cost incurred by antibiotic resistant infections in conflict-affected countries. CONCLUSION: This review highlights the scarcity of research on the socioeconomic burden of ABR on general populations in conflict-affected settings and on refugees and migrants in host countries, and lists recommendations for consideration in future studies. Further studies are needed to understand the cost of ABR in these settings to develop and implement adaptable policies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,020 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».