Connectivity of diagnostic technologies: improving surveillance and accelerating tuberculosis elimination
Notice bibliographique
Résumé
In regard to tuberculosis (TB) and other major global epidemics, the use of new diagnostic tests is increasing dramatically, including in resource-limited countries. Although there has never been as much digital information generated, this data source has not been exploited to its full potential. In this opinion paper, we discuss lessons learned from the global scale-up of these laboratory devices and the pathway to tapping the potential of laboratory-generated information in the field of TB by using connectivity. Responding to the demand for connectivity, innovative third-party players have proposed solutions that have been widely adopted by field users of the Xpert(®) MTB/RIF assay. The experience associated with the utilisation of these systems, which facilitate the monitoring of wide laboratory networks, stressed the need for a more global and comprehensive approach to diagnostic connectivity. In addition to facilitating the reporting of test results, the mobility of digital information allows the sharing of information generated in programme settings. When they become easily accessible, these data can be used to improve patient care, disease surveillance and drug discovery. They should therefore be considered as a public health good. We list several examples of concrete initiatives that should allow data sources to be combined to improve the understanding of the epidemic, support the operational response and, finally, accelerate TB elimination. With the many opportunities that the pooling of data associated with the TB epidemic can provide, pooling of this information at an international level has become an absolute priority.
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 | 0,001 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».