Mass gathering healthcare and safety: current knowledge and future directions
Notice bibliographique
Résumé
Introduction Mass gathering medicine (MGM) has been a rapidly evolving area of expertise for many years, with pearls and pitfalls emerging from recent literature. Gaps have been identified: lack of a pragmatic definition of MGM, weaknesses in data sets used to report on major events, difficulties with developing tools to help organizers assess health and safety issues. This study aims to map and describe the current body of literature on mass gatherings in order to identify strengths and weaknesses in the healthcare response, guiding future research in the field. Methods This study is a bibliometric review. Using the broad research terms “mass gatherings” and “major planned events”, Pubmed, Web of Science and Google Scholar were searched for publications up to Sept. 13, 2024. No restrictions of language or type of articles were used. All gray literature was included. After removal of duplicates, two independent reviewers confirmed relevance, and articles were organized according to date of publication, type of event (7), main subjects categories (11). Further keywords analyses have been conducted using VOSViewer (v.1.6.20). Results Initial database searches yielded 4,526 results. After the removal of duplicates and non-related articles, 898 publications remained and have been categorized, dating from 1978 to 2024. Full text analysis was possible for a total of 854 articles. More than 25% of the articles concerned religious events, while categories like infectious diseases and public health were the main subject of more than one third of the papers. Music events, spontaneous gatherings and environmental/remote events were underrepresented. Main topics like heat-related illnesses and environmental health, training and psychosocial aspects were also underrepresented. Keywords analysis allowed for the identification of areas of scarce knowledge that need further development. Conclusion Mass gathering health and safety literature has grown rapidly over the past years. This study identified areas of strong knowledge to build upon, while more scarce areas like psychosocial aspects, quality evaluation, management and supervision, training and development of formal expertise are still in need of improvement.
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 | 0,000 | 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) | 0,000 | 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 ».