MétaCan
Menu
Retour à la cohorte
Enregistrement W4200262004 · doi:10.1186/s41256-021-00232-0

The military as a neglected pathogen transmitter, from the nineteenth century to COVID-19: a systematic review

2021· review· en· W4200262004 sur OpenAlexafffund
Claudia Chaufan, Ilinca A. Dutescu, Hanah Fekre, Saba Marzabadi, Keeyoon Noh

Notice bibliographique

RevueGlobal Health Research and Policy · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueViral Infections and Outbreaks Research
Établissements canadiensYork University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPublic healthTransmission (telecommunications)Environmental healthMedicineAirborne transmissionPublic relationsDiseasePolitical scienceInfectious disease (medical specialty)PathologyEngineeringCoronavirus disease 2019 (COVID-19)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The risk of outbreaks escalating into pandemics has soared with globalization. Therefore, understanding transmission mechanisms of infectious diseases has become critical to formulating global public health policy. This systematic review assessed evidence in the medical and public health literature for the military as a disease vector. METHODS: We searched 3 electronic databases without temporal restrictions. Two researchers independently extracted study data using a standardized form. Through team discussions, studies were grouped according to their type of transmission mechanism and direct quotes were extracted to generate themes and sub-themes. A content analysis was later performed and frequency distributions for each theme were generated. RESULTS: Of 6477 studies, 210 met our inclusion criteria and provided evidence, spanning over two centuries (1810-2020), for the military as a pathogen transmitter, within itself or between it and civilians. Biological mechanisms driving transmission included person-to-person transmission, contaminated food and water, vector-borne, and airborne routes. Contaminated food and/or water were the most common biological transmission route. Social mechanisms facilitating transmission included crowded living spaces, unhygienic conditions, strenuous working, training conditions, absent or inadequate vaccination programs, pressure from military leadership, poor compliance with public health advice, contractor mismanagement, high-risk behaviours, and occupation-specific freedom of movement. Living conditions were the most common social transmission mechanism, with young, low ranking military personnel repeatedly reported as the most affected group. Selected social mechanisms, such as employment-related freedom of movement, were unique to the military as a social institution. While few studies explicitly studied civilian populations, considerably more contained information that implied that civilians were likely impacted by outbreaks described in the military. CONCLUSIONS: This study identified features of the military that pose a significant threat to global health, especially to civilian health in countries with substantial military presence or underdeveloped health systems. While biological transmission mechanisms are shared by other social groups, selected social transmission mechanisms are unique to the military. As an increasingly interconnected world faces the challenges of COVID-19 and future infectious diseases, the identified features of the military may exacerbate current and similar challenges and impair attempts to implement successful and equitable global public health 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,015
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,035
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0140,015
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,177
Tête enseignante GPT0,564
Écart entre enseignants0,387 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobal Health Research and PolicyMême sujetViral Infections and Outbreaks ResearchTravaux en français237 207