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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| 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 ».