Evaluation of TB elimination strategies in Canadian Inuit populations: Nunavut as a case study
Notice bibliographique
Résumé
Tuberculosis (TB) continues to disproportionately affect Inuit populations in Canada with some communities having over 300 times higher rate of active TB than Canadian-born, non-Indigenous people. Inuit Tuberculosis Elimination Framework has set the goal of reducing active TB incidence by at least 50% by 2025, aiming to eliminate it by 2030. Whether these goals are achievable with available resources and treatment regimens currently in practice has not been evaluated. We developed an agent-based model of TB transmission to evaluate timelines and milestones attainable in Nunavut, Canada by including case findings, contact-tracing and testing, treatment of latent TB infection (LTBI), and the government investment on housing infrastructure to reduce the average household size. The model was calibrated to ten years of TB incidence data, and simulated for 20 years to project program outcomes. We found that, under a range of plausible scenarios with tracing and testing of 25%-100% of frequent contacts of detected active cases, the goal of 50% reduction in annual incidence by 2025 is not achievable. If active TB cases are identified rapidly within one week of becoming symptomatic, then the annual incidence would reduce below 100 per 100,000 population, with 50% reduction being met between 2025 and 2030. Eliminating TB from Inuit populations would require high rates of contact-tracing and would extend beyond 2030. The findings indicate that time-to-identification of active TB is a critical factor determining program effectiveness, suggesting that investment in resources for rapid case detection is fundamental to controlling 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 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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| 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 ».