Exploring Neglected Tropical Diseases in Somalia: A Scoping Review of Research Efforts and Gaps
Notice bibliographique
Résumé
Abstract Neglected tropical diseases (NTDs) comprise 20 chronic and debilitating conditions that affect over 1.7 billion people worldwide, predominantly in marginalized and impoverished communities. In Somalia, the prevalence of NTDs is fueled by limited access to clean water, inadequate sanitation, and insufficient healthcare infrastructure, which disproportionately affect vulnerable groups such as women, children, and rural populations. Prolonged political instability has further impeded efforts to conduct research and establish effective surveillance systems for NTDs. Unlike its neighboring countries, Somalia lacks a comprehensive master plan for NTD prioritization. This scoping review mapped the existing research on NTDs in Somalia, identified knowledge gaps, and proposed future research and policy priorities. We included 36 studies published between January 1968 and July 2025, which reported eight neglected tropical diseases, with visceral leishmaniasis (38.9%) and schistosomiasis (33.4%) being the most studied. Other diseases, such as soil-transmitted helminthiases, chikungunya, rabies, and mycetoma, remain severely under-researched. Despite being a WHO priority country for leprosy, only two studies on this disease were identified. The studies predominantly used descriptive designs, with 52.8% led by authors outside Somalia, highlighting gaps in local research capacity. The review underscores the urgent need for systematic epidemiological studies, enhanced surveillance systems, and integration of NTD research into Somalia’s health policies. Addressing these gaps requires building local research infrastructure, promoting community-based interventions, and fostering collaborations between the government, Somali researchers, and international organizations. This evidence-based approach is vital to mitigating the burden of NTDs and improving health outcomes for Somalia’s underserved populations.
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 | 0,029 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,036 | 0,033 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».