Negative latent tuberculosis at time of incarceration: identifying a very high-risk group for infection
Notice bibliographique
Résumé
The main aim was to measure the incidence of latent tuberculosis infection (LTBI) and identify risk factors associated with infection. In addition, we determined the number needed to screen (NNS) to identify LTBI and active tuberculosis. We followed 129 prisoners for 2 years following a negative two-step tuberculin skin test (TST). The cumulative incidence of TST conversion over 2 years was 29·5% (38/129), among the new TST converters, nine developed active TB. Among persons with no evidence of LTBI, the NNS to identify a LTBI case was 3·4 and an active TB case was 14·3. The adjusted risk factors for LTBI conversion were incarceration in prison number 1, being formerly incarcerated, and overweight. In conclusion, prisoners have higher risk of LTBI acquisition compared with high-risk groups, such as HIV-infected individuals and children for whom LTBI testing should be performed according to World Health Organization guidance. The high conversion rate is associated with high incidence of active TB disease, and therefore we recommend mandatory LTBI screening at the time of prison entry. Individuals with a negative TST at the time of entry to prison are at high risk of acquiring infection, and should therefore be followed in order to detect convertors and offer LTBI treatment. This approach has a very low NNS for each identified case, and it can be utilized to decrease development of active TB disease and transmission.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».