MétaCan
Menu
Retour à la cohorte
Enregistrement W2490263880 · doi:10.1186/s12879-016-1718-5

Convergence of a diabetes mellitus, protein energy malnutrition, and TB epidemic: the neglected elderly population

2016· review· en· W2490263880 sur OpenAlexaff
Sonia Menon, Rodolfo Rossi, Léon Nshimyumukiza, Wusiman Aibibula, Natasha Zdraveska, Manal Shams Eldin

Notice bibliographique

RevueBMC Infectious Diseases · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueTuberculosis Research and Epidemiology
Établissements canadiensMcGill UniversityUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésMedicineTuberculosisMalnutritionMedical microbiologyDiabetes mellitusImmunologyMycobacterium tuberculosisPopulationEpidemiologyIntensive care medicineDiseaseGlobal healthEnvironmental healthPublic healthInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: On a global scale, nearly two billion persons are infected with Mycobacterium tuberculosis. From this vast reservoir of latent tuberculosis (TB) infection, a substantial number will develop active TB during their lifetime, with some being able to transmit TB or Multi-drug- resistant (MDR) TB to others. There is clinical evidence pointing to a higher prevalence of infectious diseases including TB among individuals with Diabetes Mellitus (DM). Furthermore, ageing and diabetes mellitus may further aggravate protein-energy malnutrition (PEM), which in turn impairs T-lymphocyte mediated immunologic defenses, thereby increasing the risk of developing active TB and compromising TB treatment. This article aims to a) highlight synergistic mechanisms associated with immunosenescence, DM and PEM in relation to the development of active TB and b) identify nutritional, clinical and epidemiological research gaps. METHODS: To explore the synergistic relationship between ageing, DM, tuberculosis and PEM, a comprehensive review was undertaken. The MEDLINE and the Google Scholar databases were searched for articles published from 1990 to March 2015, using different MESH keywords in various combinations. RESULTS: Ageing and DM act synergistically to reduce levels of interferon gamma (IFN- γ), thereby increasing susceptibility to TB, for which cell mediated immunity (CMI) plays an instrumental role. These processes can set in motion a vicious nutritional cycle which can predispose to PEM, further impairing the CMI and consequently limiting host defenses. This ultimately transforms the latent TB infection into active disease. A clinical diagnostic algorithm and clinical guidelines need to be established for this population. CONCLUSION: Given the increase in ageing population with DM and PEM, especially in resource-poor settings, these synergistic tripartite interactions must be examined if a burgeoning TB epidemic is to be averted. Implementation of a comprehensive, all-encompassing approach to curb transmission is clearly indicated. To this end, clinical, nutritional and epidemiological research gaps must be addressed without a delay.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,329
Écart entre enseignants0,300 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Infectious DiseasesMême sujetTuberculosis Research and EpidemiologyTravaux en français237 207