Impact of negative tuberculin skin test on growth among disadvantaged Bangladeshi children
Notice bibliographique
Résumé
Millions of children are suffering from tuberculosis (TB) worldwide and often end-up with fatal outcome especially in resource-poor settings. Tuberculin skin test (TST) is a conventionally used diagnostic test, less sensitive but highly specific for the diagnosis of clinical TB especially in undernourished children. However, we do not have any data on the role of TST positivity among the children who received nutritional intervention. Our aim was to examine the growth differences between TST-positive and TST-negative undernourished children aged 12 to 18 months who received nutritional intervention prospectively for 90 feeding days. Our further aim was to explore the determinants of TST positivity at enrollment. TB screening as one of the secondary causes of malnutrition was performed on 243 stunted [length for age Z score (LAZ) <-2 standard deviations] or at-risk of stunting (LAZ score between <-1 and -2 standard deviations) children in a community-based intervention study designed to improve their growth parameters. Differences of growth between TST-positives (n = 29) and TST-negatives (n = 214) were compared using paired samples t-test and multivariable linear regression from anthropometric data collected before and after nutritional intervention. Multivariable logistic regression was used to find out possible predictors of TST positivity using baseline sociodemographic data. Of the 243 children screened, 29 (11.9%) were TST-positive and 11 (4.5%) had clinically diagnosed pulmonary TB. Statistically significant improvement of LAZ and weight for age Z-score (WAZ) were observed among the TST-negative participants at the end of intervention period (p = 0.03 for LAZ and p = 0.01 for WAZ). However, we did not find any association between TST status and response to nutritional intervention in our multivariable linear regression models. Our study findings demonstrated a positive impact of nutritional intervention on growth parameters among TST-negative participants.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».