Impact of intensified tuberculosis case finding at health facilities on case notifications in Cameroon: A controlled interrupted time series analysis
Notice bibliographique
Résumé
There is a large gap between the number of people who develop tuberculosis (TB) and those who are diagnosed, treated and notified, with only an estimated 71% of people with TB notified globally in 2019. Implementing better TB case finding strategies is necessary to close this gap. In Cameroon, 1,597 healthcare workers at 725 health facilities were trained and engaged to intensively screen and test people for TB, then follow-up to link people to appropriate care. Primary care centers were linked to TB testing through a locally-tailored specimen referral network. This intervention was implemented across 6 regions of the country, with a population of 16 million people, while the remaining 4 regions in the country, with 7.3 million people, served as a control area. Controlled interrupted time series analyses were used to compare routinely-collected programmatic TB case notification rates in the intervention versus control area for 12 quarters prior to (2016-2018) and for 8 quarters after the start of the intervention (2019-2020). In 2019-2020, a total of 167,508 people were tested for TB at intervention sites, including 52,980 people attending primary care facilities that did not previously provide organized TB services. The number of people tested for TB increased by 45% during the intervention as compared to prior to the intervention. The controlled interrupted time series analyses showed that after two years of the intervention, the all-forms TB case notification rate in the intervention population increased by 9% (ratio of case notification rate ratios = 1.09, 95% CI 1.06 to 1.12), as compared with the counterfactual estimated from pre-intervention trends. This increase was observed even during a negative national impact on case finding from the COVID-19 pandemic. These results support the use of this health-facility based intervention to improve access to TB testing and care in this setting.
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 | 0,024 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».