Evaluating Pre-travel Health Consultations for Business and Occupational Travelers: A Systematic Review
Notice bibliographique
Résumé
Business and occupational travelers' health is at risk due to the specific itineraries and activities, prolonged stays, work-related stressors, short preparation time, more chances of disease importation, underutilization of vaccination, and chemoprophylaxis. The objective of the review is to assess the effectiveness of pre-travel health consultation and how it will help travelers prevent health risks. The question is to evaluate how can prolonged stays and underutilization of chemoprophylaxis and vaccination be better managed with pre-travel health consultation. The literature was searched on databases such as PubMed, Google Scholar, Cochrane Library, and Semantic Scholar using Boolean operators with keywords and Medical Subheading (MeSH) terms such as "occupational travelers," "business travelers," "pre-travel health consultation," "effectiveness of consultation," "health risk assessment," "travel illness prevention," "risk management," and "risk assessment" to retrieve relevant published studies. The Cochrane Risk of Bias (ROB) 2.0 tool and Newcastle Ottawa scale (NOS) were utilized to measure the risk of bias. The Grading, Recommendation, Assessment, Development, and Evaluation (GRADE) tool was used to assign evidence strength. In total, a preliminary search yielded 334 articles. One high-quality study and seven studies of moderate quality were included. In conclusion, pre-travel health consultations are a vital tool to prevent travel-related health problems in business and occupational travelers. The current approach needs to be more specific and proactive to address health-specific risks experienced by travelers. However, early comprehensive consultations focusing on preventive measures, region-specific health risks, and timely immunizations are crucial to improving health outcomes. Moreover, enhanced guidance, awareness, and education of health professionals are also necessary to treat the complex medical needs of business and occupational travelers effectively.
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 | 0,012 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,009 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».