Prevalence of neglected tropical diseases among migrants living in Europe: A systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Migration to Europe has intensified due to recent political conflicts, economic crises, and climate change, introducing an increased risk of neglected tropical diseases (NTDs) within this population. While NTDs typically impact tropical regions, their presence among migrants in Europe presents a growing challenge, compounded by limited research in this area. This study provides the first meta-analysis on the prevalence of NTDs in migrants across European nations. METHODS: A systematic review and meta-analysis was conducted focusing on studies that included NTD prevalence among migrant populations in Europe, with data sourced until July 2024. Cross-sectional and longitudinal studies were eligible, with bias assessed using the Newcastle-Ottawa Scale. Prevalence rates for various NTDs were calculated using a random-effects model, and meta-regressions were performed to assess potential moderators like sample size, age, and gender. RESULTS: A total of 148 studies comprising 228,798 migrants were analyzed. The most prevalent NTDs were strongyloidiasis (11.53 %) and schistosomiasis (10.8 %), with American trypanosomiasis also present. Dengue and lymphatic filariasis showed significant rates, though high heterogeneity was noted. Data quality was frequently low, with most studies at a high risk of bias. CONCLUSIONS: This study underscores the need for robust screening and diagnostic protocols in Europe for NTDs, particularly as clinician familiarity with these diseases is limited. Test-and-treat strategies appear promising, yet more comprehensive efforts are necessary. Establishing a European NTD registry could improve monitoring and management. Future studies should prioritize higher-quality data and address the barriers migrants face in accessing health services.
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 | 0,014 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,033 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».