A systematic review of the costs of diagnosis for multidrug-resistant/extensively drug-resistant TB in different settings
Notice bibliographique
Résumé
BACKGROUND: We performed an analysis of the cost and relative merits of different strategies for the diagnosis of multidrug-resistant/extensively drug-resistant TB (MDR/XDR-TB) in different settings.METHODS: We systematically reviewed the published evidence on cost/cost-effectiveness of rapid MDR/pre-XDR-TB and other methods for XDR-TB testing up to September 2022. PRISMA guidelines were followed. Collected data were analysed using Stata v17 software. Cost data were reported in USD ($) and summarised by mean, standard deviation, and range. Country income level was defined according to the World Bank country classification. Three simplified scenarios were also used to explore testing implications, based on low, intermediate and high TB incidence.RESULTS: Of 157 records, 25 studies were included with 24 reporting the cost of Xpert/RIF and two that evaluated the implementation of the MTBDRplus test. The total rapid test cost ranged from $12.41–$218, including $1.13–$74.60 for reagents/consumables and $0.40–$14.34 for equipment.CONCLUSION: The cost of MDR/XDR-TB diagnostics is lower in low resource settings. However, the cost-effective implementation of MDR/XDR-TB diagnostic algorithms requires careful consideration of local resources to avoid missed identification and the use of inappropriate regimen.
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 | 0,013 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,010 |
| Bibliométrie | 0,019 | 0,021 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».