MétaCan
Menu
Retour à la cohorte
Enregistrement W2918009030 · doi:10.1371/journal.pmed.1002754

Constructing care cascades for active tuberculosis: A strategy for program monitoring and identifying gaps in quality of care

2019· review· en· W2918009030 sur OpenAlexafffund
Ramnath Subbaraman, Ruvandhi R. Nathavitharana, Kenneth H. Mayer, Srinath Satyanarayana, V. K. Chadha, Nimalan Arinaminpathy, Madhukar Pai

Notice bibliographique

RevuePLoS Medicine · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueTuberculosis Research and Epidemiology
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute of Allergy and Infectious DiseasesMedical Research CouncilCanadian Institutes of Health ResearchNational Institutes of HealthCenter for AIDS Research, University of WashingtonFogarty International CenterDepartment for International DevelopmentNational Institute for Research in TuberculosisInstitute for Health Metrics and EvaluationBill and Melinda Gates FoundationHarvard CatalystDoris Duke Charitable Foundation
Mots-clésMedicineTuberculosisIntensive care medicinePsychological interventionHealth carePopulationCascadeQuality (philosophy)DiseaseNursingEnvironmental healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

The cascade of care is a model for evaluating patient retention across sequential stages of care required to achieve a successful treatment outcome. This approach was first used to evaluate HIV care and has since been applied to other diseases. The tuberculosis (TB) community has only recently started using care cascade analyses to quantify gaps in quality of care. In this article, we describe methods for estimating gaps (patient losses) and steps (patients retained) in the care cascade for active TB disease. We highlight approaches for overcoming challenges in constructing the TB care cascade, which include difficulties in estimating the population-level burden of disease and the diagnostic gap due to the limited sensitivity of TB diagnostic tests. We also describe potential uses of this model for evaluating the impact of interventions to improve case finding, diagnosis, linkage to care, retention in care, and post-treatment monitoring of TB patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,690
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0050,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,286
Tête enseignante GPT0,523
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations219
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS MedicineMême sujetTuberculosis Research and EpidemiologyTravaux en français237 207