Risk of latent and active tuberculosis infection in travellers: a systematic review and meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: Achieving tuberculosis (TB) elimination in low TB incidence countries requires identification and treatment of individuals at risk for latent TB infection (LTBI). Persons travelling to high TB incidence countries are potentially at risk for TB exposure. This systematic review and meta-analysis estimates incident LTBI and active TB among individuals travelling from low to higher TB incidence countries. METHODS: Five electronic databases were searched from inception to 18 February 2020. We identified incident LTBI and active TB among individuals travelling from low (<10 cases/100 000 population) to intermediate (10-100/100 000) or high (>100/100 000) TB incidence countries. We conducted a meta-analysis and meta-regression using a random effects model of log-transformed proportions (cumulative incidence). Subgroup analyses investigated the impact of travel duration, travel purpose and TB incidence in the destination country. RESULTS: Our search identified 799 studies, 120 underwent full-text review, and 10 studies were included. These studies included 1 154 673 travellers observed between 1994 and 2013, comprising 443 health care workers (HCW), 1 068 636 military personnel and 85 594 general travellers/volunteers. We did not identify any studies that estimated incidence of LTBI or active TB among people travelling to visit friends and relatives (VFRs). The overall cumulative incidence of LTBI was 2.3%, with considerable heterogeneity. Among individuals travelling for a mean/median of up to 6 months, HCWs had the highest cumulative incidence of LTBI (4.3%), whereas the risk was lower for military (2.5%) and general travellers/volunteers (1.6%). Meta-regression did not identify a difference in incident LTBI based on travel duration and TB incidence in the destination country. Five studies reported cases of active TB, with an overall pooled estimate of 120.7 cases per 100 000 travellers. CONCLUSIONS: We found that travelling HCWs were at highest risk of developing LTBI. Individual risk activities and travel purpose were most associated with risk of TB infection acquired during travel.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,020 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».