MétaCan
Menu
Retour à la cohorte
Enregistrement W4322620482 · doi:10.5588/ijtld.22.0662

Reducing the burden of TB among migrants to low TB incidence countries

2023· review· en· W4322620482 sur OpenAlexaff
Ineke Spruijt, Connie Erkens, Chris Greenaway, Clara H. Mulder, Mario Raviǵlione, Simone Villa, Dominik Zenner, Knut Lönnroth

Notice bibliographique

RevueThe International Journal of Tuberculosis and Lung Disease · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueTuberculosis Research and Epidemiology
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMedicinePsychological interventionIncidence (geometry)Environmental healthTransmission (telecommunications)TuberculosisPopulationPublic healthDiseaseDeveloping countryEconomic growthNursingPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: International migrants to low TB incidence countries are disproportionately affected by TB compared to the native population: migrants are at increased risk for TB transmission and TB disease due to a variety of personal, environmental and socio-economic determinants experienced during the four phases of migration (pre-departure, transit, arrival and early settlement, return travel).OBJECTIVE: To provide an up-to-date overview of the determinants that drive the TB burden among migrants, as well as effective and feasible interventions to address this for each migration phase.METHODS: We conducted a literature review by searching PubMed and the grey literature for articles and reports on determinants and interventions addressing migrant health and TB.RESULTS: Lowering the risk of TB transmission and TB disease among migrants would be most effective by improving the socio-economic position of migrants pre-, during and after migration, ensuring universal health coverage, and providing tailored and migrant-sensitive care and prevention activities.CONCLUSION: In addition to migrant-sensitive health services and cross-border collaboration between low TB incidence countries, there is a need for international financial and technical support for endemic countries.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,038
Tête enseignante GPT0,390
Écart entre enseignants0,352 · 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'étudeSans objet
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

Citations12
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Tuberculosis and Lung DiseaseMême sujetTuberculosis Research and EpidemiologyTravaux en français237 207