How are high burden countries implementing policies and tools for latent tuberculosis infection? A survey of current practices and barriers
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Despite the World Health Organization (WHO)'s updated guidelines on tuberculosis (TB) preventive treatment, the scale-up of TB preventive therapy remains low in many high-burden countries (HBCs). We conducted a survey to better understand the current status of policy implementation and barriers for scale-up. METHODS: Survey questions pertained to HBCs' current latent TB infection (LTBI) screening and treatment strategies, and the availability of LTBI tests and newer treatments (eg, isoniazid/rifapentine [3HP]). The 19-question survey was piloted and sent out via email in June 2019 as a protected Microsoft Word document to contacts [National TB Program (NTP) staff, researchers, and health officials] in the 30 TB HBCs. Responses were accepted until February 2020. RESULTS: Thirty-seven completed surveys from 24 HBCs were received. Respondents from five countries (Brazil, Lesotho, Mozambique, Russia, Zambia) reported having LTBI guidelines that are fully implemented. Among respondents who indicated their country currently has no LTBI guideline implementation (Angola, China, DRC, India, Indonesia, Kenya, Myanmar), the most often cited barrier to implementation was the prioritization of active TB over LTBI management (n = 5, Angola, China, DRC, India, Kenya). Of the 16 countries in which respondents reported using purified protein derivative (PPD), 9 reported having experienced a PPD shortage within the past year (from time of survey). Respondents from six countries reported currently using Interferon-gamma Release Assays (IGRAs) in their NTP, and 13 cited high cost as a barrier to IGRA use. Lastly, rifapentine was stated not be available in 8 HBCs. CONCLUSION: This survey indicates limited implementation of WHO LTBI guidelines in HBCs and provides some insight into barriers to implementation, including shortage of products (eg, PPD), high costs (eg, IGRAs), and lack of regulatory approval of newer treatments (eg, rifapentine). Thus, we should work towards price reductions for LTBI tests and treatments, and the development of tests that can be more easily implemented at peripheral healthcare levels.
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 | 0,006 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 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 | 0,000 |
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 ».