Case 3 : The Missing Four Million: Working to Increase the Case Finding Rate for People with TB
Notice bibliographique
Résumé
Paru Hari, an Accredited Social Health Activist (ASHA), lives in Bihar, India, one of the poorest states in the country. Paru is involved in daily outreach within her community to facilitate community member access to health care facilities, administer medications, treat minor ailments, and generate health awareness. The majority of her work involves antenatal checkups, immunizations, and mild sickness treatments. However, with Bihar reporting approximately 70,000 new cases of tuberculosis (TB) annually and many cases going unreported and undiagnosed (Fathima, Varadharajan, Krishnamurthy, Ananthkumar & Mony, 2015; RESULTS Canada, 2018b), Paru decided to take action. She proposed that ASHAs act as TB educators and household screeners for patients who have TB because she was tired of watching people in her community suffer and die from a treatable disease. Paru decided to visit Dr. Tisha Guru, Bihar state’s Regional ASHA Program Director, to share her concerns about how best to integrate TB educational activities and household screening programs into her daily routine. For Paru to gain a clear understanding of what she needs to know to identify TB patients and what they require during diagnosis and treatment, Dr. Guru suggested that she accompany patients from the initial stages of their diagnosis through to treatment. Although Paru did not have an extensive medical background, she knew that the ASHA program required a great deal of funding to ensure it was sustainable and that the necessary resources were available for TB testing and care to be integrated into their daily work. Paru knew action needed to be taken, not only to continue the ASHA program but, more importantly, to help patients who were being overlooked by the current health care system. Paru worked alongside Dr. Guru to identify the key stakeholders who could effectively communicate the critical need for improved TB surveillance, educational activities, and household screening programs into the services ASHAs provided.
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 | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,002 |
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 ».