Screening for tuberculosis infection and effectiveness of preventive treatment among people with HIV in low-incidence settings
Notice bibliographique
Résumé
OBJECTIVE: To determine the yield of screening for latent tuberculosis infection (LTBI) among people with HIV (PWH) in low tuberculosis (TB) incidence countries (<10 TB cases per 100 000 persons). DESIGN: A systematic review and meta-analysis were performed to assess prevalence and predictive factors of LTBI, rate of TB progression, effect of TB preventive treatment (TPT), and numbers needed to screen (NNS). METHODS: PubMed and Cochrane Library were searched for studies reporting primary data, excluding studies on active or paediatric TB. We extracted LTBI cases, odds ratios, and TB incidences; pooled estimates using a random-effects model; and used the Newcastle-Ottawa scale for bias. RESULTS: In 51 studies with 65 930 PWH, 12% [95% confidence interval (CI) 10-14] had a positive LTBI test, which was strongly associated with origin from a TB-endemic country [odds ratio (OR) 4.7] and exposure to TB (OR 2.9). Without TPT (10 629 PWH), TB incidence was 28/1000 person-years (PY; 95% CI 12-45) for LTBI-test positive versus 4/1000 PY (95% CI 0-7) for LTBI-test-negative individuals. Among 625 PWH (1644 PY) receiving TPT, 15 developed TB (6/1000 PY). An estimated 20 LTBI-positive individuals would need TPT to prevent one case of TB, and numbers NNS to detect LTBI or prevent active TB varied according to a-priori risk of LTBI. CONCLUSION: The relatively high prevalence of LTBI among PWH and the strong correlation with origin from a TB-endemic country support risk-stratified LTBI screening strategies for PWH in low-incidence countries and treating those who test positive.
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 | 0,017 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,019 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».