Tuberculosis in Rwanda: challenges to reaching the targets
Notice bibliographique
Résumé
Rwanda has a generalized HIV epidemic: 3.1% of adults are living with HIV/AIDS.1 Care, treatment and prevention services for the approximately 183 558 adults and 13 901 children living with HIV/AIDS have been rapidly scaled up over the past three years under the guidance of the Rwandan Ministry of Health’s Treatment Research for AIDS Center. By November 2006, almost 33 000 HIV-infected adults and children were receiving antiretroviral therapy.2 Expansion and enhancement of DOTS in the six-point Stop TB Strategy described by Laserson & Wells have been implemented in Rwanda by the health ministry’s national integrated programme to combat leprosy and TB since 1990. Through recent programme improvements, treatment success rates have increased from 58% in 2003 to 81% by the third quarter of 2006; however, case detection was an estimated 24% in 2005.3–5 Thus, Rwanda is close to achieving the WHO target for treatment success, but is below the target for case detection. Concerted efforts are being made to ensure that effective smear microscopy and directly-observed therapy are available nationwide. Further efforts are needed to reach the goals, especially for case detection. A recent national survey showing that the prevalence of multidrug resistance among new TB patients is 3.9% gives cause for concern.6
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 ».