MétaCan
Menu
Retour à la cohorte
Enregistrement W4387765153 · doi:10.2807/1560-7917.es.2023.28.42.2300051

Tuberculosis incidence in foreign-born people residing in European countries in 2020

2023· article· en· W4387765153 sur OpenAlexaff
Anca Vasiliù, Niklas Köhler, Ekkehardt Altpeter, Tinna Rán Ægisdóttir, Marina Amerali, Wouter Arrázola de Oñate, Ágnes Bakos, Stefania D’Amato, Daniela María Cirillo, Reinout van Crevel, Edita Davidavičienė, Irène Demuth, José Domínguez, Raquel Duarte, Gunar Günther, Jean‐Paul Guthmann, Sophia Hatzianastasiou, Louise Hedevang Holm, Zaida Herrador, Urška Hribar, Conny Huberty, Elmira Ibraim, Sarah Jackson, Mogens Jensenius, Kamilla S. Josefsdottir, Anders Koch, Maria Korzeniewska-Koseła, Līga Kukša, Heinke Kunst, Christian Lienhardt, Beatrice Mahler, Mateja Janković Makek, Inge Muylle, Johan Normark, Analita Pace-Asciak, Goranka Petrović, Despo Pieridou, Giulia Russo, Olena Rzhepishevska, Helmut J.F. Salzer, Marta Sá Marques, Daniela Schmid, Ivan Solovič, Mariya Sukholytka, Petra Svetina, Mariya Tyufekchieva, Tuula Vasankari, Piret Viiklepp, Kersti Villand, Jiří Wallenfels, S Wesółowski, Anna-Maria Mandalakas, Leonardo Martínez, Dominik Zenner, Christoph Lange

Notice bibliographique

RevueEurosurveillance · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueTuberculosis Research and Epidemiology
Établissements canadiensInstitute of Population and Public Health
Organismes subventionnairesRijksinstituut voor Volksgezondheid en MilieuBarts CharityDeutsches Zentrum für Infektionsforschung
Mots-clésTuberculosisIncidence (geometry)MedicineEnvironmental healthDemographyGeographyPediatricsPathologySociology

Résumé

récupéré en direct d'OpenAlex

BackgroundEuropean-specific policies for tuberculosis (TB) elimination require identification of key populations that benefit from TB screening.AimWe aimed to identify groups of foreign-born individuals residing in European countries that benefit most from targeted TB prevention screening.MethodsThe Tuberculosis Network European Trials group collected, by cross-sectional survey, numbers of foreign-born TB patients residing in European Union (EU) countries, Iceland, Norway, Switzerland and the United Kingdom (UK) in 2020 from the 10 highest ranked countries of origin in terms of TB cases in each country of residence. Tuberculosis incidence rates (IRs) in countries of residence were compared with countries of origin.ResultsData on 9,116 foreign-born TB patients in 30 countries of residence were collected. Main countries of origin were Eritrea, India, Pakistan, Morocco, Romania and Somalia. Tuberculosis IRs were highest in patients of Eritrean and Somali origin in Greece and Malta (both > 1,000/100,000) and lowest among Ukrainian patients in Poland (3.6/100,000). They were mainly lower in countries of residence than countries of origin. However, IRs among Eritreans and Somalis in Greece and Malta were five times higher than in Eritrea and Somalia. Similarly, IRs among Eritreans in Germany, the Netherlands and the UK were four times higher than in Eritrea.ConclusionsCountry of origin TB IR is an insufficient indicator when targeting foreign-born populations for active case finding or TB prevention policies in the countries covered here. Elimination strategies should be informed by regularly collected country-specific data to address rapidly changing epidemiology and associated risks.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,313
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEurosurveillanceMême sujetTuberculosis Research and EpidemiologyTravaux en français237 207