Is It Time to Re-think the Post-immigration Tuberculosis Surveillance System in Canada?
Notice bibliographique
Résumé
Background. The post-arrival tuberculosis (TB) surveillance system in Canada is inefficient. Ideally, it identifies new permanent residents at increased risk of post-arrival TB. However, the current system has low coverage, poor post-arrival compliance, and low rates of active TB diagnosis in the immediate post-arrival period. The focus is not on latent TB infection (LTBI) diagnosis and/or treatment. The objective of this study was to simulate the effect of improving the current two-year post-immigration surveillance system on TB incidence. Methods. The 2014 Canadian permanent resident cohort was used as the reference population for this evaluation. A discrete event simulation model was developed in Simio, simulating pre-entry surveillance flagging, post-immigration follow-up, LTBI diagnosis and treatment, and incident TB over a two-year time horizon. Post-immigration TB incidence data from Ontario and California were used to populate the model. The model was validated against two-year TB incidence in Ontario. Increased LTBI treatment uptake and surveillance compliance and their impact on two-year TB incidence were modeled. Results. The current surveillance system flags 2.4% of new permanent residents for surveillance, with 59.8% complying post-arrival, and 15-68% completing LTBI treatment. TB incidence in the first two years under the current system was predicted to be 27.3 per 100,000 person years (PY). Removing the surveillance program entirely would result in 27.7 cases per 100,000 PY, corresponding to only a 1.5% increase. A perfect program with full surveillance compliance and LTBI treatment completion would result in 26.2 cases per 100,000 PY, corresponding to a 4.4% decrease. Conclusion. The current post-landing surveillance program does little to prevent active TB diagnoses in Canada. Canada could consider shifting to pre-immigration LTBI screening and treatment, reconsider criteria for surveillance to target LTBI post-landing, or help support TB control efforts in high TB incidence countries. Disclosures. All authors: No reported disclosures.
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 | 0,007 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,004 | 0,002 |
| 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 ».