Addressing the drug resistant tuberculosis challenge through implementing a mixed model of care in Uganda, 2012- 2017
Notice bibliographique
Résumé
Abstract Background Worldwide, Drug resistant Tuberculosis (DR-TB) remains a big problem; the diagnostic capacity has superseded the DR-TB clinical management capacity thereby causing ethical challenges. In Sub-Saharan Africa, treatment is either inadequate or lacking and some diagnosed patients are on treatment waiting lists. In Uganda, various health system challenges impeded scale up of DR-TB care in 2012; only three treatment initiation facilities existed, with only 41 of the estimated 1010 cases enrolled on treatment yet 300 were on the waiting list and there was no DR-TB treatment scale up plan. To scale up care, National TB/Leprosy Program (NTLP) with partners rolled out a DR-TB mixed model of care. In this paper, we share achievements and outcomes resulting from the implementation of this mixed Model of DR-TB care. Methods Routine NTLP DR-TB program data from 2013 to 2017 cohorts was collected from all the 15 DR-TB treatment initiation sites and analyzed using STATA version 14.2. We presented outcomes as the number of patient backlog cleared, DR-TB initiation sites, cumulative patients enrolled, percentage of co-infected patients on co-trimoxazole preventive therapy (CPT) and antiretroviral therapy (ART) as well as the six, twelve interim and 24 months treatment outcomes as per the Uganda NTLP 2016 Programmatic Management of drug Resistant Tuberculosis (PMDT) guidelines. Results Over the period 2013-2017, DR-TB treatment initiation sites increased from three to 15, cumulative patient enrollment rose from 41 to 1,311 and the 300-patient backlog was cleared. Treatment success rate (TSR) of 73% was achieved above the global TSR average rate of 50%. Conclusions The Uganda DR-TB mixed model of care coupled with early application of continuous improvement approaches, enhanced cohort reviews and use of multi-disciplinary teams allowed for rapid DR-TB program expansion, rapid clearance of patient backlog, attainment of high cumulative enrollment and high treatment success rates. Sustainability of these achievements is needed to further reduce the DR-TB burden in the country. We highly recommend this mixed model of care in settings with similar challenges.
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 | 0,018 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 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 ».