Notice bibliographique
Résumé
In spite of significant progress made in tuberculosis (TB) control, nine million people developed TB disease in 2013, and 1.5 million died of TB1. While implementation of the Stop TB (DOTS) Strategy has cured millions of patients with TB, and undoubtedly saved lives, the impact of this strategy on reducing TB incidence has been disappointing1. The TB epidemic is declining at the rate of 1.5 per cent per year, much slower than what mathematical models had predicted1. At the current rate of decline, TB elimination by 2050 is considered impossible. DOTS, apparently, cures patients and saves lives, but it does not seem to be very effective in interrupting TB transmission. Under India's Revised National TB Control Programme (RNTCP) millions of TB patients have been treated, and countless lives have been saved2,3. But TB incidence in India continues to remain high3. Of the nine million TB cases in 2013, India alone accounted for 25 per cent of the cases. India also accounts for one of the three million ‘missing’ cases-patients with TB who are either not diagnosed, or not notified1,4. In 2014, the World Health Assembly endorsed a new, bold plan called “The End TB Strategy”5. The vision is “A world free of TB - Zero TB deaths, Zero TB disease, and Zero TB suffering”. The goal is to end the global TB epidemic (<10 cases per 100,000). Essential elements of the three pillars of this strategy are shown below. How is the ‘End TB Strategy’ relevant in the Indian context, and how can India be a world leader in implementing the End TB Strategy?
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 | 0,010 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,013 | 0,011 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,012 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,054 | 0,032 |
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 ».