Country-specific approaches to latent tuberculosis screening targeting migrants in EU/EEA* countries: A survey of national experts, September 2019 to February 2020
Notice bibliographique
Résumé
BackgroundMigrants in low tuberculosis (TB) incidence countries in the European Union (EU)/European Economic Area (EEA) are an at-risk group for latent tuberculosis infection (LTBI) and are increasingly included in LTBI screening programmes.AimTo investigate current approaches and implement LTBI screening in recently arrived migrants in the EU/EEA and Switzerland.MethodsAt least one TB expert working at a national level from the EU/EEA and one TB expert from Switzerland completed an electronic questionnaire. We used descriptive analyses to calculate percentages, and framework analysis to synthesise free-text responses.ResultsExperts from 32 countries were invited to participate (30 countries responded): 15 experts reported an LTBI screening programme targeting migrants in their country; five reported plans to implement one in the near future; and 10 reported having no programme. LTBI screening was predominantly for asylum seekers (n = 12) and refugees (n = 11). Twelve countries use 'country of origin' as the main eligibility criteria. The countries took similar approaches to diagnosis and treatment but different approaches to follow-up. Six experts reported that drop-out rates in migrants were higher compared with non-migrant groups. Most of the experts (n = 22) called for a renewed focus on expanding efforts to screen for LTBI in migrants arriving in low-incidence countries.ConclusionWe found a range of approaches to LTBI screening of migrants in the EU/EEA and Switzerland. Findings suggest a renewed focus is needed to expand and strengthen efforts to meaningfully include migrants in these programmes, in order to meet regional and global elimination targets for TB.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 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 ».