Enhanced Private Sector Engagement for Tuberculosis Diagnosis and Reporting through an Intermediary Agency in Ho Chi Minh City, Viet Nam
Notice bibliographique
Résumé
Under-detection and -reporting in the private sector constitute a major barrier in Viet Nam's fight to end tuberculosis (TB). Effective private-sector engagement requires innovative approaches. We established an intermediary agency that incentivized private providers in two districts of Ho Chi Minh City to refer persons with presumptive TB and share data of unreported TB treatment from July 2017 to March 2019. We subsidized chest x-ray screening and Xpert MTB/RIF testing, and supported test logistics, recording, and reporting. Among 393 participating private providers, 32.1% (126/393) referred at least one symptomatic person, and 3.6% (14/393) reported TB patients treated in their practice. In total, the study identified 1203 people with TB through private provider engagement. Of these, 7.6% (91/1203) were referred for treatment in government facilities. The referrals led to a post-intervention increase of +8.5% in All Forms TB notifications in the intervention districts. The remaining 92.4% (1112/1203) of identified people with TB elected private-sector treatment and were not notified to the NTP. Had this private TB treatment been included in official notifications, the increase in All Forms TB notifications would have been +68.3%. Our evaluation showed that an intermediary agency model can potentially engage private providers in Viet Nam to notify many people with TB who are not being captured by the current system. This could have a substantial impact on transparency into disease burden and contribute significantly to the progress towards ending TB.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».