Costs and Consequences of Using Interferon-γ Release Assays for the Diagnosis of Active Tuberculosis in India
Notice bibliographique
Résumé
BACKGROUND: There is growing concern that interferon-γ release assays (IGRAs) are being used off-label for the diagnosis of active tuberculosis (TB) disease in many high-burden settings, including India, where the background prevalence of latent TB infection is high. We analyzed the costs and consequences of using IGRAs for the diagnosis of active TB in India from the perspective of the Indian TB control sector. METHODS AND FINDINGS: We constructed a decision analytic model to estimate the incremental cost and effectiveness of IGRAs for the diagnosis of active TB in India. We compared a reference scenario of clinical examination and non-microbiological tests against scenarios in which clinical diagnosis was augmented by the addition of either sputum smear microscopy, IGRA, or Xpert MTB/RIF. We examined costs (in 2013 US dollars) and consequences from the perspective of the Indian healthcare sector. Relative to sputum smear microscopy, use of IGRA for active TB resulted in 23,700 (95% uncertainty range, UR: 3,800 - 38,300) additional true-positive diagnoses, but at the expense of 315,700 (95% UR: 118,300 - 388,400) additional false-positive diagnoses and an incremental cost of US$49.3 million (95% UR: $34.9 - $58.0 million) (2.9 billion Indian Rupees). Relative to Xpert MTB/RIF (including the cost of treatment for drug resistant TB), use of IGRA led to 400 additional TB cases treated (95% UR: [-8,000] - 16,200), 370,600 (95% UR: 252,200 - 441,700) more false-positive diagnoses, 70,400 (95% UR: [-7,900] - 247,200) fewer disability-adjusted life years averted, and US$14.6 million (95%UR: [-$7.2] - $28.7 million) (854 million Indian Rupees) in additional costs. CONCLUSION: Using IGRAs for diagnosis of active TB in a setting like India results in tremendous overtreatment of people without TB, and substantial incremental cost with little gain in health. These results support the policies by WHO and Standards for TB Care in India, which discourage the use of IGRAs for the diagnosis of active TB in India and similar settings.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».