Maladies reliées aux loisirs aquatiques Prise en charge et prévention en cabinet
Bibliographic record
Abstract
OBJECTIF: Passer en revue les facteurs de risque, la prise en charge et la prévention des maladies reliées aux loisirs aquatiques en pratique familiale. SOURCES DES DONNÉES: Des articles originaux et de synthèse entre janvier 1998 et février 2012 ont été identifiés à l’aide de PubMed et des expressions de recherche en anglais water-related illness, recreational water illness et swimmer illness. MESSAGE PRINCIPAL: Il y a un risque de 3 % à 8 % de maladies gastrointestinales (MGI) après la baignade. Les groupes à risque élevé de MGI sont les enfants de moins de 5 ans, surtout s’ils n’ont pas été vaccinés contre le rotavirus, les personnes âgées et les patients immunodéficients. Les enfants sont à plus grand risque parce qu’ils avalent plus d’eau quand ils nagent, restent dans l’eau plus longtemps et jouent dans l’eau peu profonde et le sable qui sont plus contaminés. Les adeptes des sports dans lesquels le contact avec l’eau est abondant comme le triathlon et le surf cerf-volant sont aussi à risque élevé et même ceux qui s’adonnent à des activités impliquant un contact partiel avec l’eau comme la navigation de plaisance et la pêche ont un risque de 40 % à 50 % fois plus grand de MGI par rapport à ceux qui ne pratiquent pas de sports aquatiques. Il y a lieu de faire une culture des selles quand on soupçonne une maladie reliée aux loisirs aquatiques et l’échelle clinique de la déshydratation est utile pour l’évaluation des besoins de traitement chez les enfants affectés. CONCLUSION: Les maladies reliées aux loisirs aquatiques est la principale cause de MGI durant la saison des baignades. La reconnaissance que la baignade est une source importante de maladies peut aider à prévenir les cas récurrents et secondaires. On recommande fortement le vaccin contre le rotavirus chez les enfants qui se baignent souvent.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.024 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.027 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".