Patients with presumed tuberculosis in sub-Saharan Africa that are not diagnosed with tuberculosis: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Many patients in sub-Saharan Africa whom a diagnosis of tuberculosis is considered are subsequently not diagnosed with tuberculosis. The proportion of patients this represents, and their alternative diagnoses, have not previously been systematically reviewed. METHODS: We searched four databases from inception to 27 April 2020, without language restrictions. We included all adult pulmonary tuberculosis diagnostic studies from sub-Saharan Africa, excluding case series and inpatient studies. We extracted the proportion of patients with presumed tuberculosis subsequently not diagnosed with tuberculosis and any alternative diagnoses received. We conducted a random effects meta-analysis to obtain pooled estimates stratified by passive and active case finding. RESULTS: Our search identified 1799 studies, of which 18 studies (2002-2019) with 14 527 participants from 10 African countries were included. The proportion of patients with presumed tuberculosis subsequently not diagnosed with tuberculosis was 48.5% (95% CI 39.0 to 58.0) in passive and 92.8% (95% CI 85.0 to 96.7) in active case-finding studies. This proportion increased with declining numbers of clinically diagnosed tuberculosis cases. A history of tuberculosis was documented in 55% of studies, with just five out of 18 reporting any alternative diagnoses. DISCUSSION: Nearly half of all patients with presumed tuberculosis in sub-Saharan Africa do not have a final diagnosis of active tuberculosis. This proportion may be higher when active case-finding strategies are used. Little is known about the healthcare needs of these patients. Research is required to better characterise these patient populations and plan health system solutions that meet their needs. PROSPERO REGISTRATION NUMBER: CRD42018100004.
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 | 0,014 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,036 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».