COVID-19 impact on EuroTravNet infectious diseases sentinel surveillance in Europe
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic resulted in a sharp decline of post-travel patient encounters at the European sentinel surveillance network (EuroTravNet) of travellers' health. We report on the impact of COVID-19 on travel-related infectious diseases as recorded by EuroTravNet clinics. METHODS: Travelers who presented between January 1, 2019 and September 30, 2021 were included. Comparisons were made between the pre-pandemic period (14 months from January 1, 2019 to February 29, 2020); and the pandemic period (19 months from March 1, 2020 to September 30, 2021). RESULTS: Of the 15,124 visits to the network during the 33-month observation period, 10,941 (72%) were during the pre-pandemic period, and 4183 (28%) during the pandemic period. Average monthly visits declined from 782/month (pre-COVID-19 era) to 220/month (COVID-19 pandemic era). Among non-migrants, the top-10 countries of exposure changed after onset of the COVID-19 pandemic; destinations such as Italy and Austria, where COVID-19 exposure peaked in the first months, replaced typical travel destinations in Asia (Thailand, Indonesia, India). There was a small decline in migrant patients reported, with little change in the top countries of exposure (Bolivia, Mali). The three top diagnoses with the largest overall decreases in relative frequency were acute gastroenteritis (-5.3%), rabies post-exposure prophylaxis (-2.8%), and dengue (-2.6%). Apart from COVID-19 (which rose from 0.1% to 12.7%), the three top diagnoses with the largest overall relative frequency increase were schistosomiasis (+4.9%), strongyloidiasis (+2.7%), and latent tuberculosis (+2.4%). CONCLUSIONS: A marked COVID-19 pandemic-induced decline in global travel activities is reflected in reduced travel-related infectious diseases sentinel surveillance reporting.
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 | 0,019 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».