Estimated Impact of World Health Organization Latent Tuberculosis Screening Guidelines in a Region With a Low Tuberculosis Incidence: Retrospective Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Latent tuberculosis infection (LTBI) screening and treatment is a key component of the World Health Organization (WHO) EndTB Strategy, but the impact of LTBI screening and treatment at a population level is unclear. We aimed to estimate the impact of LTBI screening and treatment in a population of migrants to British Columbia (BC), Canada. METHODS: This retrospective cohort included all individuals (N = 1 080 908) who immigrated to Canada as permanent residents between 1985 and 2012 and were residents in BC at any time up to 2013. Multiple administrative databases were linked to identify people with risk factors who met the WHO strong recommendations for screening: people with tuberculosis (TB) contact, with human immunodeficiency virus, on dialysis, with tumor necrosis factor-alpha inhibitors, who had an organ/haematological transplant, or with silicosis. Additional TB risk factors included immunosuppressive medications, cancer, diabetes, and migration from a country with a high TB burden. We defined active TB as preventable if diagnosed ≥6 months after a risk factor diagnosis. We estimated the number of preventable TB cases, given optimal LTBI screening and treatment, based on these risk factors. RESULTS: There were 16 085 people (1.5%) identified with WHO strong risk factors. Of the 2814 people with active TB, 118 (4.2%) were considered preventable through screening with WHO risk factors. Less than half (49.4%) were considered preventable with expanded screening to include people migrating from countries with high TB burdens, people who had been prescribed immunosuppressive medications, or people with diabetes or cancer. CONCLUSIONS: The application of WHO LTBI strong recommendations for screening would have minimally impacted the TB incidence in this population. Further high-risk groups must be identified to develop an effective LTBI screening and treatment strategy for low-incidence regions.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».