Treatment Outcomes of Multidrug-Resistant Tuberculosis: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: Treatment outcomes for multidrug-resistant Mycobacterium Tuberculosis (MDRTB) are generally poor compared to drug sensitive disease. We sought to estimate treatment outcomes and identify risk factors associated with poor outcomes in patients with MDRTB. METHODOLOGY/PRINCIPAL FINDINGS: We performed a systematic search (to December 2008) to identify trials describing outcomes of patients treated for MDRTB. We pooled appropriate data to estimate WHO-defined outcomes at the end of treatment and follow-up. Where appropriate, pooled covariates were analyzed to identify factors associated with worse outcomes. Among articles identified, 36 met our inclusion criteria, representing 31 treatment programmes from 21 countries. In a pooled analysis, 62% [95% CI 57-67] of patients had successful outcomes, while 13% [9]-[17] defaulted, 11% [9]-[13] died, and 2% [1]-[4] were transferred out. Factors associated with worse outcome included male gender 0.61 (OR for successful outcome) [0.46-0.82], alcohol abuse 0.49 [0.39-0.63], low BMI 0.41[0.23-0.72], smear positivity at diagnosis 0.53 [0.31-0.91], fluoroquinolone resistance 0.45 [0.22-0.91] and the presence of an XDR resistance pattern 0.57 [0.41-0.80]. Factors associated with successful outcome were surgical intervention 1.91 [1.44-2.53], no previous treatment 1.42 [1.05-1.94], and fluoroquinolone use 2.20 [1.19-4.09]. CONCLUSIONS/SIGNIFICANCE: We have identified several factors associated with poor outcomes where interventions may be targeted. In addition, we have identified high rates of default, which likely contributes to the development and spread of MDRTB.
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 | 0,016 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,038 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».