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 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 | 0,010 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,009 |
| Bibliométrie | 0,012 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».