Effect of using electronic medication monitors on tuberculosis treatment outcomes in China: a longitudinal ecological study
Notice bibliographique
Résumé
BACKGROUND: In China, an indigenously developed electronic medication monitor (EMM) was designed and used in 138 counties from three provinces. Previous studies showed positive results on accuracy, effectiveness, acceptability, and feasibility, but also found some ineffective implementations. In this paper, we assessed the effect of implementation of EMMs on treatment outcomes. METHODS: The longitudinal ecological method was used at the county level with aggregate secondary programmatic data. All the notified TB cases in 138 counties were involved in this study from April 2017 to June 2019, and rifampicin-resistant cases were excluded. We fitted a multilevel model to assess the relative change in the quarterly treatment success rate with increasing quarterly EMM coverage rate, in which a mixed effects maximum likelihood regression using random intercept model was applied, by adjusting for seasonal trends, population size, sociodemographic and clinical characteristics, and clustering within counties. RESULTS: Among all 69 678 notified TB cases, the treatment success rate was slightly increased from 93.5% [95% confidence interval (CI): 93.0-94.0] in second quarter of 2018 to 94.9% (95% CI: 94.4-95.4) in second quarter of 2019 after implementing EMMs. There was a statistically significant effect between quarterly EMM coverage and treatment success rate after adjusting for potential confounders (P = 0.0036), increasing 10% of EMM coverage rate will lead to 0.2% treatment success rate augment. Besides, an increase of 10% of elderly or bacteriologically confirmed TB will lead to a decrease of 0.4% and 0.9% of the treatment success rate. CONCLUSIONS: Under programmatic settings, we found a statistically significant effect between increasing coverage of EMM and treatment success rate at the county level. More prospective studies are needed to confirm the effect of using EMM on TB treatment outcomes. We suggest performing operational research on EMMs that provides real-time data under programmatic conditions in the future.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».