Prevalence of diabetes mellitus among tuberculosis patients in Sub-Saharan Africa: a systematic review and meta-analysis of observational studies
Notice bibliographique
Résumé
Tuberculosis and diabetes mellitus are significant global public health challenges. In Sub-Saharan Africa, study findings regarding prevalence of diabetes mellitus amongst tuberculosis patients have been inconsistent and highly variable. Therefore, this systematic review and meta-analysis estimates the overall prevalence of diabetes mellitus among tuberculosis patients in Sub-Saharan Africa. Four international databases (PubMed, Google Scholar, Science Direct and Cochrane Library) were systematically searched. We included all observational studies reporting the prevalence of DM among TB patients in Sub-Saharan Africa. All necessary data for this review were extracted using a standardized data extraction format by two authors (CT and AA1). STATA Version 14 statistical software was employed to conduct meta-analysis. The Cochrane Q test statistics and I2 test were used to assess the heterogeneity of the studies. Finally, a random effects meta-analysis model was computed to estimate the pooled prevalence of diabetes mellitus in TB patients. Besides, subgroup analysis was done based on different factors. In the meta-analysis, sixteen studies fulfilled the inclusion criteria and were included. The findings of these 16 studies revealed that the pooled prevalence of diabetes mellitus among tuberculosis patients in Sub-Saharan Africa was 9.0% (95% CI: 6.0, 12.0%). The highest prevalence of diabetes mellitus among tuberculosis patients was found in Nigeria (15%), followed by Tanzania (11%), and then Ethiopia (10%). Besides, the prevalence of diabetes mellitus among HIV infected TB patients was (8.9%) which is slightly higher than HIV uninfected (7.7%) TB patients. Diabetes mellitus among tuberculosis patients in Sub-Saharan Africa was significantly high. Moreover, this study found that there was a high prevalence of DM among HIV infected than uninfected TB patients. It is strongly recommended to screen for DM among TB patients and special emphasis should be given for early screening of DM among TB/HIV co-infected 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 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 | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,014 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».