Global Trends in Resistance to Antituberculosis Drugs
Notice bibliographique
Résumé
BACKGROUND: Data on global trends in resistance to antituberculosis drugs are lacking. METHODS: We expanded the survey conducted by the World Health Organization and the International Union against Tuberculosis and Lung Disease to assess trends in resistance to antituberculosis drugs in countries on six continents. We obtained data using standard protocols from ongoing surveillance or from surveys of representative samples of all patients with tuberculosis. The standard sampling techniques distinguished between new and previously treated patients, and laboratory performance was checked by means of an international program of quality assurance. RESULTS: Between 1996 and 1999, patients in 58 geographic sites were surveyed; 28 sites provided data for at least two years. For patients with newly diagnosed tuberculosis, the frequency of resistance to at least one antituberculosis drug ranged from 1.7 percent in Uruguay to 36.9 percent in Estonia (median, 10.7 percent). The prevalence increased in Estonia, from 28.2 percent in 1994 to 36.9 percent in 1998 (P=0.01), and in Denmark, from 9.9 percent in 1995 to 13.1 percent in 1998 (P=0.04). The median prevalence of multidrug resistance among new cases of tuberculosis was only 1.0 percent, but the prevalence was much higherin Estonia (14.1 percent), Henan Province in China (10.8 percent), Latvia (9.0 percent), the Russian oblasts of Ivanovo (9.0 percent) and Tomsk (6.5 percent), Iran (5.0 percent), and Zhejiang Province in China (4.5 percent). There were significant decreases in multidrug resistance in France and the United States. In Estonia, the prevalence in all cases increased from 11.7 percent in 1994 to 18.1 percent in 1998 (P<0.001). CONCLUSIONS: Multidrug-resistant tuberculosis continues to be a serious problem, particularly among some countries of eastern Europe. Our survey also identified areas with a high prevalence of multidrug-resistant tuberculosis in such countries as China and Iran.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».