The impact of improved detection and treatment of isoniazid resistant tuberculosis on prevalence of multi-drug resistant tuberculosis: A modelling study
Notice bibliographique
Résumé
INTRODUCTION: Isoniazid-resistant, rifampin susceptible tuberculosis (INHR-TB) is the most common form of drug resistant TB globally. Treatment of INHR-TB with standard first-line therapy is associated with high rates of multidrug resistant TB (MDR-TB). We modelled the potential impact of INHR-TB detection and appropriate treatment on MDR-TB prevalence. METHODS: A decision analysis model was developed to compare three different strategies for the detection of TB (AFB smear, Xpert MTB/RIF, and Line-Probe Assays (LPA)), combined with appropriate treatment. The population evaluated were patients with a globally representative prevalence of newly diagnosed, drug-susceptible (88.6%), isoniazid-resistant (7.3%), and multidrug resistant (4.1%) pulmonary TB. Our primary outcome was the proportion of patients with MDR-TB after initial attempt at diagnosis and treatment within a 2-year period. Secondary outcomes were the proportion of i) individuals with detected TB who acquired MDR-TB ii) individuals who died after initial attempt at diagnosis and treatment. RESULTS: After initial attempt at diagnosis and treatment, LPA combined with appropriate INHR-TB therapy resulted in a lower proportion of prevalent MDR-TB (1.61%; 95% Uncertainty Range (UR: 2.5th and 97.5th percentiles generated from 10 000 Monte Carlo simulation trials) 1.61-1.65), when compared to Xpert (1.84%; 95% UR 1.82-1.85) and AFB smear (3.21%; 95% UR 3.19-3.26). LPA also resulted in fewer cases of acquired MDR-TB in those with detected TB (0.35%; 95% UR 0.34-0.35), when compared to Xpert (0.67%; 95% UR 0.65-0.67) and AFB smear (0.68%; 95% UR 0.67-0.69). The majority of acquired MDR-TB arose from the treatment of INHR-TB in all strategies. Xpert-based strategies resulted in a lower proportion of death (2.89%; 95% UR 2.87-2.90) compared to LPA (2.93%; 95% UR 2.91-2.94) and AFB smear (3.21%; 95% UR 3.19-3.23). CONCLUSION: Accurate diagnosis and tailored treatment of INHR-TB with LPA led to an almost 50% relative decrease in acquired MDR-TB when compared with an Xpert MTB/RIF strategy. Continued reliance on diagnostic and treatment protocols that ignore INHR-TB will likely result in further generation of MDR-TB.
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 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 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 ».