Respiratory infectious disease outbreaks among people experiencing homelessness: a systematic review of prevention and mitigation strategies
Notice bibliographique
Résumé
PURPOSE: People experiencing homelessness (PEH) are at increased risk of respiratory infections and associated morbidity and mortality. To characterize optimal intervention strategies, we completed a systematic review of mitigation strategies for PEH to minimize the spread and impact of respiratory infectious disease outbreaks, including COVID-19. METHODS: The study protocol was registered in PROSPERO (#2020 CRD42020208964) and was consistent with the preferred reporting in systematic reviews and meta-analyses guidelines. A search algorithm containing keywords that were synonymous to the terms "Homeless" and "Respiratory Illness" was applied to the six databases. The search concluded on September 22, 2020. Quality assessment was performed at the study level. Steps were conducted by two independent team members. RESULTS: A total of 4468 unique titles were retrieved with 21 meeting criteria for inclusion. Interventions included testing, tracking, screening, infection prevention and control, isolation support, and education. Historically, there has been limited study of intervention strategies specifically for PEH across the world. CONCLUSIONS: Staff and organizations providing services for people experiencing homelessness face specific challenges in adhering to public health guidelines such as physical distancing, isolation, and routine hygiene practices. There is a discrepancy between the burden of infectious diseases among PEH and specific research characterizing optimal intervention strategies to mitigate transmission in the context of shelters. Improving health for people experiencing homelessness necessitates investment in programs scaling existing interventions and research to study new approaches.
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 | 0,010 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,001 |
| 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 | 0,001 |
| 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 ».