MétaCan
Menu
Retour à la cohorte
Enregistrement W2945893939 · doi:10.1136/bmjgh-2018-001371

Self-reported tuberculosis in India: evidence from NFHS-4

2019· article· en· W2945893939 sur OpenAlexaff
Sumit Mazumdar, Srinath Satyanarayana, Madhukar Pai

Notice bibliographique

RevueBMJ Global Health · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueTuberculosis Research and Epidemiology
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMedicineTuberculosisSocioeconomic statusPopulationPublic healthEnvironmental healthSocial stigmaDemographyFamily medicineNursing

Résumé

récupéré en direct d'OpenAlex

This paper reports self-reported levels and socioeconomic patterns in the distribution of tuberculosis (TB) cases in India, based on information collected under the National Family Health Survey-Round 4 (NFHS-4, 2014-2015). Based on a nationally representative sample of over 600 000 households comprising of about 2.9 million individuals, we estimate a self-reported point prevalence of 304 TB cases per 100 000 population, with a higher burden evident among households with poorer wealth status and among individuals with low educational levels. About 55% of the reported TB cases sought treatment from public services, with higher public service use observed in West Bengal, Kerala and Tamil Nadu. However, more than a third of the patients from poorest groups sought treatment from private sources. Results indicate a significant proportion of the general population, including those with completed school-level education continue to have incomplete knowledge on the routes of the spread of TB infection. Social stigma, such as reluctance to disclose about a family member being infected with the disease to others, also remains high. Imminent need for appropriate policy mechanisms for involving the private sector and raising consciousness through suitable advocacy measures is re-emphasised.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,046
Tête enseignante GPT0,435
Écart entre enseignants0,389 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations40
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Global HealthMême sujetTuberculosis Research and EpidemiologyTravaux en français237 207