Infections with long latency in international refugees, immigrants, and migrants seen at GeoSentinel sites, 2016–2018
Notice bibliographique
Résumé
BACKGROUND: The continued increase in global migration compels clinicians to be aware of specific health problems faced by refugees, immigrants, and migrants (RIM). This analysis aimed to characterize RIM evaluated at GeoSentinel sites, their migration history, and infectious diseases detected through screening and diagnostic workups. METHODS: A case report form was used to collect data on demographics, migration route, infectious diseases screened, test results, and primary infectious disease diagnosis for RIM patients seen at GeoSentinel sites. Descriptive statistics were performed. RESULTS: Between October 2016 and November 2018, 5,319 RIM patients were evaluated at GeoSentinel sites in 19 countries. Africa was the region of birth for 2,436 patients (46 %), followed by the Americas (1,644, 31 %), and Asia (1,098, 21 %). Tuberculosis (TB) was the most common infection screened and reported as positive (853/2,273, 38 % positive by any method). TB, strongyloidiasis, and hepatitis B surface antigen positivity were observed across all migration administrative categories and regions of birth. Chagas disease was reported only among RIM patients from the Americas (393/394, 100 %) and schistosomiasis predominantly in those from Africa (480/510, 94 %). TB infection (694/5,319, 13 %) and Chagas disease (524/5,319, 10 %) were the leading primary infectious disease diagnoses. CONCLUSIONS: Several infections of long latency (e.g. TB, hepatitis B, and strongyloidiasis) with potential for long-term sequelae were seen among RIM patients across all migration administrative categories and regions of origin. Obtaining detailed epidemiologic information from RIM patients is critical to optimize detection of diseases of individual and public health importance, particularly those with long latency periods.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».