Health conditions of older adults in complex humanitarian settings in low- and middle-income countries: a retrospective analysis of 2019–2025 data from Médecins Sans Frontières-supported inpatient departments
Notice bibliographique
Résumé
BACKGROUND: Inpatient admissions of older adults in humanitarian settings in low-income and middle-income countries remain poorly documented, likely leading to gaps in the delivery of age-appropriate health services. This analysis aims to contribute to age-adapted and gender-adapted healthcare strategies in humanitarian settings. METHODS: This multicountry study includes adults who were admitted at Médecins Sans Frontières-supported inpatient departments in humanitarian settings across four regions between July 2019 and April 2025. Diagnoses of diseases and syndromes were compared between younger adults (20-49 years old) and older adults (50 years or older), stratified by sex, using regression analyses. RESULTS: Data of 149 483 adults were included. Most adults were admitted to inpatient departments for non-communicable diseases (NCDs) (40.7%), followed by communicable diseases (23.3%) and trauma or injury (20.4%). Compared with younger adults, older adults had higher odds of admission being for chronic non-infectious respiratory diseases (OR=2.32; 95% CI 2.27 to 2.38), acute cerebrovascular events (OR=2.17; 95% CI 2.09 to 2.26), acute cardiogenic events (OR=1.93; 95% CI 1.90 to 1.97), lower respiratory tract infections (LRTIs) (OR=1.42; 95% CI 1.41 to 1.44) and acute watery diarrhoea (AWD) (OR=1.20; 95% CI 1.17 to 1.22). Across age groups, women had higher odds of admission being for malaria, AWD, LRTIs, chronic non-infectious respiratory diseases and acute hypertensive crises than men. Older women had higher odds of admission being for complications of diabetes than older men. LRTIs were the leading cause of hospitalisation for older adults in three out of four regions. CONCLUSIONS: Older adults in humanitarian settings face intersecting vulnerabilities related to age, gender and geography, with a dual burden of infectious and NCDs. Gender disparities were evident, as older women were more frequently admitted. Including older adults in preventive interventions, while addressing care gaps such as trauma, multimorbidity and palliative needs, is essential to deliver more equitable, inclusive and effective health responses.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».