Islands of Tuberculosis Elimination: An Evaluation of Community-Based Active Case Finding in North Sumatra, Indonesia
Notice bibliographique
Résumé
Community-based active case finding (ACF) is needed to reach key/vulnerable populations with limited access to tuberculosis (TB) care. Published reports of ACF interventions in Indonesia are scarce. We conducted an evaluation of a multicomponent community-based ACF intervention as it scaled from one district to nine in Nias and mainland North Sumatra. Community and health system support measures including laboratory strengthening, political advocacy, sputum transport, and community awareness were instituted. ACF was conducted in three phases: pilot (18 months, 1 district), intervention (12 months, 4 districts) and scale-up (9 months, 9 districts). The pilot phase identified 215 individuals with bacteriologically positive (B+) TB, representing 42% of B+ TB notifications. The intervention phase yielded 509, representing 54% of B+ notifications and the scale-up phase identified 1345 individuals with B+ TB (56% of notifications). We observed large increases in B+ notifications on Nias, but no overall change on the mainland despite district variation. Overall, community health workers screened 377,304 individuals of whom 1547 tested positive, and 95% were initiated on treatment. Our evaluation shows that multicomponent community-based ACF can reduce the number of people missed by TB programs. Community-based organizations are best placed for accessing and engaging hard to reach populations and providing integrated support which can have a large positive effect on TB notifications.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».