Screening of patients with diabetes mellitus for tuberculosis in <scp>I</scp> ndia
Notice bibliographique
Résumé
OBJECTIVE: To assess the feasibility, results and challenges of screening patients with diabetes mellitus (DM) for tuberculosis (TB) within the healthcare setting of six DM clinics in tertiary hospitals across India. METHOD: Agreement on how to screen, monitor and record the screening was reached in October 2011 at a national stakeholders' meeting, and training was carried out for staff in the six tertiary care facilities in December 2011. Implementation started in the first quarter of 2012, and we report on activities up to 30th September 2012. Patients with DM were screened for TB on each clinic attendance using a symptom-based enquiry, and those with positive symptoms were referred for TB investigations. RESULTS: In the three quarters, 26% of 7218, 52% of 12237 and 48% of 11691 patients with DM were screened for TB. A total of 254 patients were identified with TB, of whom 46% had smear-positive pulmonary disease. There were 18 patients newly diagnosed with TB as a result of screening and referral, with the remainder being patients already diagnosed from elsewhere. TB case rates per 100,000 patients attending the DM clinic each quarter were 859, 956 and 642. Almost 90% of patients with TB were recorded as starting or being on anti-TB treatment. Major implementation challenges related to human resources and recording systems. CONCLUSION: In India, it is feasible to screen patients with DM for TB resulting in high rates of TB detection. More attention to detail, human resource requirements and electronic medical records are needed to improve performance.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».