Costs of Digital Adherence Technologies for Tuberculosis Treatment Support, 2018–2021
Notice bibliographique
Résumé
A s part of the mission to cure and ultimately elim- inate tuberculosis (TB), maintaining treatment adherence poses a substantial barrier (1).Persons with TB must complete multidrug regimens typically lasting >6 months.Even small lapses in adherence can be associated with poorer treatment outcomes, including relapse with the potential for further transmission (2).TB prevention and care programs have often sought to improve adherence, and hence treatment outcomes, by using directly observed therapy (DOT) (3,4).However, healthcare system barriers (mostly resource limitations), coupled with stigma, loss of autonomy, and the heavy burden of DOT clinic visits, can result in subpar outcomes and adherence that may not exceed that of self-administered treatment (5-8).Those limitations have led the World Health Organization (WHO) to recommend community or home-based DOT over healthcare facility-based DOT or unsupervised treatment (4).WHO defines a DOT provider as any person who observes the person with TB taking their medications in real time (4).By leveraging current advances in mobile technologies, person-centered treatment observation can be achieved by digital adherence technologies (DATs) such as medication sleeves, smart pill boxes, and video-supported therapy.Moreover, real-time digital adherence information offers the possibility of tailoring treatment support to individual needs.However, before TB programs adopt those technologies as a central strategy for treatment support, evidence for their effectiveness must be robust.Demonstration projects highlighting feasibility and acceptability of DATs for TB treatment support provide substantial evidence; to date, evidence is more limited for clinical outcomes with use of DATs than for other forms of treatment observation or self-administered treatment (9-11).In principle, DATs can enable expansion of TB treatment supervision and support while reducing the burden on persons with TB and their providers.Information about the cost to TB programs of those technologies and their real-world cost-effectiveness comes largely from pilot and modeling studies (11,12).To estimate the cost of 2 DATs currently recommended for use by WHO (4), we used data from Costs of Digital Adherence Technologies for Tuberculosis Treatment Support, 2018-2021
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».