Peer-led active tuberculosis case-finding among people living with HIV: lessons from Nepal
Notice bibliographique
Résumé
PROBLEM: People living with a human immunodeficiency virus (HIV) infection have a high risk of tuberculosis and should undergo regular screening. However, they can be difficult to reach because they are stigmatized and discriminated against. APPROACH: In Nepal, the nongovernmental organization Naya Goreto implemented a peer-led tuberculosis screening project in which people living with HIV volunteered to contact others in this high-risk population. Volunteers took part in a short training course, after which they attempted to contact people living with HIV through existing networks and self-help groups. Tuberculosis screening and testing were carried out in accordance with national guidelines. LOCAL SETTING: In Nepal, the prevalence of HIV infection is 0.3% in the general population but is much higher, at 6%, in people in Kathmandu who inject drugs. To date, the health system has not been able to implement systematic tuberculosis screening in people living with HIV. RELEVANT CHANGES: Between May 2014 and mid-September 2015, 30 volunteers screened 6642 people in 10 districts, 5430 (82%) of whom were living with HIV. Of the 6642, 6046 (91%) were tested for tuberculosis and 287 (4.3%) were diagnosed with the disease, 240 of whom were HIV-positive. Of those with tuberculosis, 270 (94%) initiated treatment. LESSONS LEARNT: Using peers to contact people living with HIV for tuberculosis screening resulted in a high participation rate and the identification of a considerable number of HIV-positive tuberculosis patients. Follow-up during treatment was difficult in this highly mobile group and needs more attention in future interventions.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».