Risk factors for clustering of tuberculosis cases: a systematic review of population-based molecular epidemiology studies.
Notice bibliographique
Résumé
BACKGROUND: Many molecular epidemiology studies have been conducted to identify risk factors for clustering of tuberculosis (TB) cases in the population. OBJECTIVE: To estimate the impact of commonly investigated risk factors on TB clustering. METHODS: Ten electronic databases were searched up to January 2006 along with a hand search of the International Journal of Tuberculosis and Lung Disease and bibliographies of review articles. Meta-analyses of odds ratios (ORs) for various risk factors were conducted using random effect models, stratified by TB incidence. Meta-regressions were employed to account for the heterogeneity in clustering proportions and the magnitudes of risk. FINDINGS: The TB clustering proportion varied greatly (7.0-72.3%) among 36 studies in 17 countries. In multiple meta-regression analyses, high TB incidence, mean cluster size and conventional contact tracing were significantly associated with higher clustering. The pooled ORs (95%CIs) for low and high/intermediate TB incidence studies, using a cut off of 25/100000 per year, were 3.4 (2.7- 4.2) and 1.6 (1.3-2.1) for local-born status, 1.6 (1.5-1.7) and 1.7 (1.3-2.2) for pulmonary TB and 1.2 (1.1-1.3) and 1.3 (1.1-1.7) for smear-positive cases, respectively. Male sex, local birth, alcohol abuse and injection drug use were significantly higher risks in low TB incidence studies than in the high/intermediate ones. INTERPRETATION: Meta-analyses yielded significant estimates of ORs for several risk factors across both levels of TB incidence. Alcohol abuse, injection drug use and homelessness--all characteristics of marginalized populations--were found to be consistently significant in populations of low TB incidence. More research is needed to better understand TB transmission dynamics in high-burden countries.
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 | 0,005 | 0,160 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,014 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».