Enduring Challenge of Latent Tuberculosis in Older Nursing Home Residents: A Brief Review
Notice bibliographique
Résumé
Tuberculosis (TB) kills almost 4,000 people a day and is competing with human immunodeficiency virus/acquired immune deficiency syndrome (HIV/AIDS) as the most deadly infectious disease in the world. The gold standards of detection and management of latent tuberculosis infection (LTBI) have not been successful in complete eradication of the disease. Current screening modalities of TB include tuberculin skin testing (TST) and/or interferon-γ release assay (IGRA). However, these screening tests have been heavily studied in healthy populations but not in the elderly who are more likely to have multiple risk factors for progression to active TB from LTBI. The largest population that is harboring LTBI is the elderly, specifically those residing in nursing homes. Yet, unfortunately, guidelines for standards of detection and treatment for this specific group are lacking. In this review, we look at TST versus IGRA screening for LTBI in the elderly living in nursing homes. We review a cross-sectional study done at Staten Island University Hospital, and several other assessments of the sensitivity and accuracy of both screening tools. Furthermore, this review looks at the appropriateness of current LTBI treatment and prophylaxis in elderly patients residing in close quarters. The reviews point to the superiority of IGRA testing in the elderly for screening LTBI. The IGRA has been shown to be more sensitive to the detection of LTBI than TST. Additionally, medical complexities that the elderly population possesses may present challenges and resistance to standard treatments of LTBI. It is recommended via the literature that the addition of vitamin D, or alternative therapies (e.g. rifampin) could produce better outcomes for elderly patients with LTBI than the current 9 months of isoniazid (INH). As the older adults represent the fastest growing segment of our population and the largest LTBI reservoir in the USA, revisiting screening and treatment of LTBI in the elderly living in nursing homes may prove to lead to a path of TB eradication once and for all.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».