TB preventive treatment in high- and intermediate-incidence countries: research needs for scale-up
Notice bibliographique
Résumé
BACKGROUND: In 2018, the WHO Member States committed to providing TB preventive treatment (TPT) to at least 30 million people by 2022. However, only 6.3 million people had initiated TPT by the end of 2019. Major knowledge gaps and research needs in diagnosis, treatment and the programmatic management of TPT (PMTPT) require to be addressed urgently. METHODS: In September 2019, a group of stakeholders involved in PMTPT in high TB burden countries met to develop an action agenda to support the global expansion of PMTPT. RESULTS: Barriers at the health system level, and priorities for research to overcome these, were identified for each step of the PMTPT cascade. The need for data on TPT financing, gaps and coverage under national health insurance schemes, as well as the need for mathematical and cost-effectiveness modelling of the impact of TPT on TB incidence and mortality were highlighted. Specific research needs were identified for high-risk populations such as household contacts of any age and people living with HIV, as well as other people at risk. CONCLUSIONS: The meeting facilitated agreement on a set of actions needed to ensure that PMTPT continues to expand to achieve the End TB Strategy targets.
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 | 0,089 | 0,130 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,009 | 0,012 |
| Science ouverte | 0,006 | 0,009 |
| Intégrité de la recherche | 0,008 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,002 |
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 ».