MétaCan
Menu
Retour à la cohorte
Enregistrement W3156784836 · doi:10.1016/j.jmh.2021.100041

Clinical outcomes and risk factors for COVID-19 among migrant populations in high-income countries: A systematic review

2021· review· en· W3156784836 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Migration and Health · 2021
Typereview
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensMcGill University
Organismes subventionnairesEconomic and Social Research CouncilMedical Research CouncilAcademy of Medical SciencesNational Institute for Health and Care ResearchEuropean Society of Clinical Microbiology and Infectious DiseasesEuropean Centre for Disease Prevention and ControlDepartment of Health and Social Care
Mots-clésCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakHigh income countriesEnvironmental healthDemographic economicsGeographyMedicineEconomicsEconomic growthDeveloping countryVirologyOutbreakDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Migrants in high-income countries may be at increased risk of COVID-19 due to their health and social circumstances, yet the extent to which they are affected and their predisposing risk factors are not clearly understood. We did a systematic review to assess clinical outcomes of COVID-19 in migrant populations, indirect health and social impacts, and to determine key risk factors. METHODS: We did a systematic review following PRISMA guidelines (PROSPERO CRD42020222135). We searched multiple databases to 18/11/2020 for peer-reviewed and grey literature on migrants (foreign-born) and COVID-19 in 82 high-income countries. We used our international networks to source national datasets and grey literature. Data were extracted on primary outcomes (cases, hospitalisations, deaths) and we evaluated secondary outcomes on indirect health and social impacts and risk factors using narrative synthesis. RESULTS: 3016 data sources were screened with 158 from 15 countries included in the analysis (35 data sources for primary outcomes: cases [21], hospitalisations [4]; deaths [15]; 123 for secondary outcomes). We found that migrants are at increased risk of infection and are disproportionately represented among COVID-19 cases. Available datasets suggest a similarly disproportionate representation of migrants in reported COVID-19 deaths, as well as increased all-cause mortality in migrants in some countries in 2020. Undocumented migrants, migrant health and care workers, and migrants housed in camps have been especially affected. Migrants experience risk factors including high-risk occupations, overcrowded accommodation, and barriers to healthcare including inadequate information, language barriers, and reduced entitlement. CONCLUSIONS: Migrants in high-income countries are at high risk of exposure to, and infection with, COVID-19. These data are of immediate relevance to national public health and policy responses to the pandemic. Robust data on testing uptake and clinical outcomes in migrants, and barriers and facilitators to COVID-19 vaccination, are urgently needed, alongside strengthening engagement with diverse migrant groups.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,363
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0050,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,226
Tête enseignante GPT0,532
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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