Now, more than ever, it’s time to address the neglect of female genital schistosomiasis
Notice bibliographique
Résumé
, resulting in trapped parasite eggs in the genital tract, causes lesions that mimic sexually transmitted infections and cervical neoplasia, often leading to misdiagnosis, stigma and delayed treatment. This review summarises current developments on FGS burden, prevention, diagnostics, integration, policy, community engagement and identifies critical threats to progress. Ongoing surveys show promise in ensuring robust burden estimates and age-related risk data. Diagnostic advances include portable colposcopy, digital image analysis techniques and molecular assays, although limitations persist in resource-limited settings. Praziquantel remains the cornerstone of treatment, yet single-dose regimens inadequately reverse established lesions; repeated dosing shows improved parasite clearance but limited lesion regression, highlighting the necessity for early, life-course preventive chemotherapy including access to paediatric praziquantel. Successful programmatic pilots have developed training curricula, minimum service packages, community engagement tools and have integrated FGS care into SRH platforms. Policy momentum is building through World Health Organization taskforces and national strategies, yet sustainable financing remains a challenge. Key threats include bilateral aid reductions, climate change, emerging infections, rising healthcare costs and persistent gender inequities. To address these challenges, we propose seven priority actions, encompassing all health system building blocks, for the global community. Nationally coordinated, multisectoral efforts are urgently required to embed FGS prevention, diagnosis and management within broader health systems, thereby improving outcomes for affected women and girls.
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) | 0,002 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».