Adoption and uptake of the lateral flow urine LAM test in countries with high tuberculosis and HIV/AIDS burden: current landscape and barriers
Notice bibliographique
Résumé
Background: Since 2015, the World Health Organization (WHO) has recommended a commercially available lateral-flow urine LAM test (Alere-LAM) to assist in the diagnosis of tuberculosis (TB) in severely ill people living with HIV (PLHIV). The test can rapidly detect TB in severely ill PLHIV and can identify PLHIV most at-risk of death, leading to mortality reductions. However, its uptake in countries with high burdens of TB and HIV has been slow. To assess the current use landscape and identify barriers to the adoption of Alere-LAM, we conducted a questionnaire-based study in 31 high TB and HIV/AIDS burden countries. Methods : Between November 2018 and December 2019, we collected responses to a semi-structured questionnaire that had been emailed to staff and affiliates of National TB Programs or HIV/AIDS Programs, Ministries of Health, and TB or HIV institutes of 31 high TB/HIV burden countries. Questions concerned country policies, adoption, and current use of Alere-LAM testing, as well as testing algorithms and barriers preventing Alere-LAM uptake. Results: We received questionnaire responses from 24 out of 31 (77%) high TB/HIV burden countries. Of these 24 countries, 11 (46%) had adopted Alere-LAM policies, with only five (21%) countries currently using Alere-LAM testing. Testing algorithms were generally aligned with WHO recommendations. Fifteen countries (63%) said they were planning to implement Alere-LAM testing in the near future. The most commonly cited constraint to adoption and implementation was budget limitations. Additional barriers to Alere-LAM implementation included lack of country-specific data and piloting, administrative hurdles such as regulatory agency approval, lack of coordination between National TB and HIV programs, and small perceived patient population. Conclusion: Responses to our questionnaire demonstrate the persistent gap between country-level policy and real-world use of Alere-LAM, as well as specific barriers that must be addressed to scale-up testing in PLHIV.
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 | 0,008 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».