Impact of the Ebola virus disease outbreak (2014–2016) on tuberculosis surveillance activities by Guinea’s National Tuberculosis Control Program: a time series analysis
Notice bibliographique
Résumé
BACKGROUND: Most countries in Subsaharan Africa have well-established National Tuberculosis Control Programs with relatively stable routine performances. However, major epidemiological events may result in significant disruptions. In March 2014, the World Health Organization announced the outbreak of Ebola virus disease in Guinea, a country with a high incidence of TB and HIV. Our study aimed to assess the impact of the Ebola virus disease outbreak on TB notification, treatment, and surveillance, using main indicators. METHODS: This is a retrospective cohort study that compared TB trends using surveillance data from the periods before (2011-2013), during (2014-2016), and after (2017-2018) Ebola virus disease outbreak. A time-series analysis was conducted to investigate the linkages between the decline in TB notification and the Ebola virus disease outbreak through cross-correlation. The lag in the cross-correlation test was evaluated using ANCOVA type II delayed variable dependent model. The surveillance system was assessed using TB surveillance standards and benchmarks and vital registration systems recommended by WHO, compared with those of 2015 during the Ebola virus disease. RESULTS: The rate of reporting of TB declined from 120 cases per 100,000 in 2011 to 100 cases per 100,000 in 2014, at the peak of the Ebola virus disease outbreak. The time-series cross-correlation test of all notified cases of TB and Ebola showed a significant lag of - 0.4 (40%), reflecting a drop in the rate of notification (F-value = 5.7 [95% CI: 0.2-21.3]). The Ebola virus disease had no negative impact on patient treatment outcomes (F-value = 1.3 [95% CI: 0.0-8.8]). Regarding the surveillance system, five out of 13 WHO standards and benchmarks were met following their evaluation in 2019, after the Ebola virus disease outbreak, compared to three in 2015. CONCLUSION: Major epidemics such as the Ebola virus disease outbreak may have a significant impact on well-established TB control programs as shown in the example of Guinea. Sudden disruptions of routine performance may lead programs to improve their surveillance system. The experience acquired in the fight against EVD and the investments made should make it possible to prepare the health system in a coherent manner for the other probable episodes.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».