Risk factors of MDR-TB and impacts of COVID-19 pandemic on escalating of MDR-TB incidence in lower-middle-income countries: A scoping review
Notice bibliographique
Résumé
The coronavirus disease 2019 (COVID-19) pandemic is affecting tuberculosis (TB) treatment in many ways that might lead to increasing the prevalence of multi-drugs-resistance tuberculosis (MDR-TB), especially in lower-middle-income-countries (LMICs). This scoping review aimed to identify the risk factors of MDR-TB and to determine the impacts of the COVID-19 pandemic on MDR-TB prevalence in LMICs. This study was reported according to the preferred reporting items for systematic reviews and meta-analyses extension for scoping reviews (PRISMA-ScR) guideline. The relevant keywords were used to search studies in three databases (PubMed, ScienceDirect and SpringerLink) to identify the related articles. The English-written articles published from January 2012 to December 2022 that explored risk factors or causes of MDR-TB in LMICs were included. Out of 1,542 identified articles, 17 retrospective, prospective, case-control and cross-sectional studies from ten LMICs met were included in this scoping review. Twenty-one risk factors were discovered, with prior TB treatment (relapsed cases), diabetes, living area, living condition, smoking and low socioeconomic status were the main factors in developing MDR-TB during COVID-19 pandemic. The pandemic increased the MDR-TB prevalence through drug resistance transmission inside households, the distance between home and healthcare facilities and low socioeconomic status. This scoping review demonstrates how the COVID-19 pandemic has affected the rising incidence of MDR-TB in LMICs.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».