Global trends and gaps in research related to latent tuberculosis infection
Notice bibliographique
Résumé
BACKGROUND: There is a global commitment to eliminating tuberculosis (TB). It is critical to detect and treat cases of latent TB infection (LTBI), the reservoir of new TB cases. Our study assesses trends in publication of LTBI-related research. METHODS: We used the keywords ("latent tuberculosis" OR "LTBI" OR "latent TB") to search the Web of Science for LTBI-related articles published 1995-2018, then classified the results into three research areas: laboratory sciences, clinical research, and public health. We calculated the proportions of LTBI-related articles in each area to three areas combined, the average rates of LTBI-related to all scientific and TB-related articles, and the average annual percent changes (AAPC) in rates for all countries and for the top 13 countries individually and combined publishing LTBI research. RESULTS: The proportion of LTBI-related articles increased over time in all research areas, with the highest AAPC in laboratory (38.2%/yr), followed by public health (22.9%/yr) and clinical (15.1%/yr). South Africa (rate ratio [RR] = 8.28, 95% CI 5.68 to 12.08) and India (RR = 2.53, 95% CI 1.74 to 3.69) had higher RRs of overall TB-related articles to all articles, but did not outperform the average of the top 13 countries in the RRs of LTBI-related articles to TB-related articles. Italy (RR = 1.95, 95% CI 1.45 to 2.63), Canada (RR = 1.73, 95% CI 1.28 to 2.34), and Spain (RR = 1.53, 95% CI 1.13 to 2.07) had higher RRs of LTBI-related articles to TB-related articles. CONCLUSIONS: High TB burden countries (TB incidence > 100 per 100,000 population) published more overall TB-related research, whereas low TB burden countries showed greater focus on LTBI. Given the potential benefits, high TB burden countries should consider increasing their emphasis on LTBI-related research.
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 | 0,034 | 0,117 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,034 | 0,054 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».