A scoping review of interventions to mitigate common non-communicable diseases among people with TB
Notice bibliographique
Résumé
BACKGROUND: Recommendations have been made to integrate screening for common non-communicable diseases (NCDs) within TB programs. However, we must ensure screening is tied to evidence-based interventions before scale-up. We aimed to map the existing evidence regarding interventions that address NCDs that most commonly affect people with TB.METHODS: We systematically searched PubMed, Medline, and Embase for studies that evaluated interventions to mitigate respiratory disease, cardiovascular disease, alcohol and substance use disorder, and mental health disorders among people with TB. We excluded studies that only screened for comorbidity but resulted in no further intervention. We also excluded studies focusing on smoking cessation interventions for which evidence-based guidelines are well established.RESULTS: The search identified 20 studies that met our inclusion criteria. The most commonly evaluated intervention was referral for diabetes care (6 studies). Other interventions included pulmonary rehabilitation (5 studies), care programs for alcohol use disorder (4 studies), and psychosocial support or individual counselling (5 studies).CONCLUSION: There is limited robust evidence to support identified interventions in changing individual outcomes, and a significant knowledge gap remains on the long-term durability of the interventions´ clinical benefit, reach, and effectiveness. Implementation research demonstrating feasibility and effectiveness is needed before scaling up.
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 | 0,014 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,017 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».