Geographic predictors of primary multidrug-resistant tuberculosis cases in an endemic area of Lima, Peru
Notice bibliographique
Résumé
SETTING: Peru reports among the highest multidrug-resistant tuberculosis (MDR-TB) rates in the Americas, with a growing proportion in previously untreated tuberculosis (TB) cases. The identification of clusters of primary MDR-TB compared with drug-susceptible TB (DS-TB) could help prioritize interventions. OBJECTIVE: To examine the clustering of primary MDR-TB case residences and their proximity to high-risk locations in San Juan de Lurigancho District, Lima, Peru. DESIGN: Enrolled primary MDR-TB and primary DS-TB cases were interviewed and their primary residence was recorded using handheld Global Positioning System devices. Kuldorff's spatial scan statistic was used for cluster detection (SaTScan(TM), v. 9.1.1). Identified clusters were visualized in Quantum Geographic Information Systems software (v1.8.0). The following cluster centers were tested: a health centre with the highest TB and MDR-TB rates (Clinic X), a hospital and two prisons. Using regression analyses, we examined predictors of primary MDR-TB cases. RESULTS: A statistically significant cluster of primary MDR-TB cases was identified within a 2.29 km radius around Clinic X. Proximity to Clinic X remained a significant predictor of primary MDR-TB in adjusted regression analyses. CONCLUSION: We identified a hotspot of primary MDR-TB cases around Clinic X in a TB-endemic area. Causes of this clustering require investigation; targeted interventions for this high-risk area should be considered.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».