Modeling the Impact of Alternative Strategies for Rapid Molecular Diagnosis of Tuberculosis in Southeast Asia
Notice bibliographique
Résumé
Novel diagnostic tests hold promise for improving tuberculosis (TB) control, but their epidemiologic impact remains uncertain. Using data from the World Health Organization (2011-2012), we developed a transmission model to evaluate the deployment of 3 hypothetical TB diagnostic tests in Southeast Asia under idealized scenarios of implementation. We defined diagnostics by their sensitivity for smear-negative TB and proportion of patients testing positive who initiate therapy ("point-of-care amenability"), with tests of increasing point-of-care amenability having lower sensitivity. Implemented in the public sector (35% of care-seeking attempts), each novel test reduced TB incidence by 7%-9% (95% uncertainty range: 4%-13%) and mortality by 20%-22% (95% uncertainty range: 14%-27%) after 10 years. If also deployed in the private sector (65% of attempts), these tests reduced incidence by 13%-16%, whereas a perfect test (100% sensitivity and treatment initiation) reduced incidence by 20%. Annually detecting 20% of prevalent TB cases through targeted screening (70% smear-negative sensitivity, 85% treatment initiation) also reduced incidence by 19%. Sensitivity and point-of-care amenability are equally important considerations when developing novel diagnostic tests for TB. Novel diagnostics can substantially reduce TB incidence and mortality in Southeast Asia but are unlikely to transform TB control unless they are deployed actively and in the private sector.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».