Wellness on Wheels (WoW): Iterative evaluation and refinement of mobile computer-assisted chest x-ray screening for TB improves efficiency, yield, and outcomes in Nigeria
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background: Wellness on Wheels (WoW) is a model of mobile systematic TB screening of high-risk populations combining digital chest radiography with computer-aided automated interpretation and chronic cough screening to identify presumptive TB in communities, health facilities and prisons in Nigeria. Understanding how models are designed and refined over time helps others to anticipate technical and political challenges, replicate successful strategies, and avoid common mistakes. Methods: We piloted and refined approaches in phased evaluations, recalibrating CAD4TB thresholds to balance TB yield and feasibility. Iterative data monitoring of screening volumes, risk mix, number needed to screen (NNS), number needed to test (NNT), sample loss, TB treatment initiation and outcomes. Risk factors for loss along the diagnostic cascade were identified and mitigation plans were implemented. Participants with high likelihood on CAD4TB (≥80) who tested negative on a single spot GeneXpert were followed-up. Results: Gradual improvements included: achieving screening targets (64.0% to 70.5%), risk group inclusion (91.5% to 92.9%), on-site sample processing (84.3% to 86.1%), treatment initiation (86.7% to 90.8%), treatment success (70.6% to 83.2%), and NNT (8.2 to 7.6). However, expectoration by asymptomatic presumptive participants (≈85%) and HIV testing coverage (64.9%) remained suboptimal. Conclusion : Mobile computer-assisted digital chest x-ray and chronic cough screening with GeneXpert MTB/RIF testing is feasible, acceptable, efficient and high-yield when highest risk groups and key stakeholders are engaged, and operations evolve in real time to fix problems. CAD4TB scores should be used to identify people who need clinical diagnosis and/or longer-term follow-up for progression to TB disease.
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.
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 | 0,010 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découle