Evaluating the Effectiveness of a Novel Systematic Screening Approach for Tuberculosis among Individuals Suspected or Recovered from COVID-19: Experiences from Niger and Guinea
Notice bibliographique
Résumé
Evidence suggests that the COVID-19 pandemic negatively impacts tuberculosis (TB) activities. As TB and COVID-19 have similar symptoms, we assessed the effectiveness of integrated TB/COVID-19 screening in Guinea and Niger. From May to December 2020, TB screening was offered to symptomatic patients after a negative COVID-19 PCR test or after recovery from COVID-19 in Guinea. From December 2020 to March 2021, all presumptive COVID-19 patients with respiratory symptoms were tested simultaneously for COVID-19 and TB in Niger. We assessed the TB detection yield and used micro-costing to estimate the costs associated with both screening algorithms. A total of 863 individuals (758 in Guinea, and 105 in Niger), who were mostly male (60%) and with a median age of 34 (IQR: 26-45), were screened for TB. Reported symptoms were cough ≥2 weeks (49%), fever (45%), and weight loss (30%). Overall, 61 patients (7%) tested positive for COVID-19 (13 in Guinea, 48 in Niger) and 43 (4.9%) were diagnosed with TB disease (35 or 4.6% in Guinea, and 8 or 7.6% in Niger). The cost per person initiating TB treatment was USD $367 in Guinea and $566 in Niger. Overall, the yield of both approaches was high, and the cost was modest. Optimizing integrated COVID-19/TB screening may support maintaining TB detection during the ongoing pandemic.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».