Systematic screening for tuberculosis among hospital outpatients in Cameroon: The role of screening and testing algorithms to improve case detection
Notice bibliographique
Résumé
BACKGROUND: Better screening and testing approaches are needed to improve TB case finding, particularly in health facilities where many people with TB seek care but are not diagnosed using the existing approaches. OBJECTIVE: We aimed to evaluate the performance of various TB screening and testing approaches among hospital outpatients in a setting with a high prevalence of HIV/TB. METHODS: We screened outpatients at a large hospital in Cameroon using both chest X-ray and a symptom questionnaire including current cough, fever, night sweats and/or weight loss. Participants with a positive screen were tested for TB using smear microscopy, the Xpert MTB/RIF assay, and culture. RESULTS: Among 2051 people screened, 1137 (55%) reported one or more TB symptom and 389 (19%) had an abnormal chest X-ray. In total, 1255 people (61%) had a positive screen and 31 of those screened (1.5%) had bacteriologically confirmed TB. To detect TB, screening with cough >2 weeks had a sensitivity of 61% (95% CI, 44-78%). Screening for a combination of cough >2 -weeks and/or abnormal chest X-ray had a sensitivity of 81% (95% CI, 67-95%) and specificity of 71% (95% CI, 69-73%), while screening for a combination of cough >2 weeks or any of 2 or more symptoms had a similar performance. Smear microscopy and Xpert MTB/RIF detected 32% (10/31) and 55% (17/31), respectively, of people who had bacteriologically-confirmed TB. CONCLUSIONS: Screening hospital outpatients for cough >2 weeks or for at least 2 of current cough, fever, night sweats or weight loss is a feasible strategy that had a high relative yield to detect bacteriologically-confirmed TB in this population. Clinical diagnosis of TB is still an important need, even where Xpert MTB/RIF testing is available.
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 | 0,002 | 0,010 |
| 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 | 0,000 | 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) | 0,000 | 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 ».