Case fatality among people with drug-susceptible TB enrolled in a private health sector TB treatment support program in Bihar, India during the first year of the COVID-19 pandemic
Notice bibliographique
Résumé
Experiencing 27% of the global tuberculosis (TB) burden, India's TB epidemic is the largest in the world. Due to COVID-19-related disruptions to TB programs, India has also seen the largest drop in TB case notifications of any country globally. We estimated case fatality among people treated for TB in India during the pandemic and compared these to pre-pandemic estimates. A random sample of 4,000 adults enrolled in World Health Partners (WHP), a private sector TB treatment support program (enrolling only people with drug-susceptible TB) in Bihar, India in the first year of COVID-19 (Mar 2020-Mar 2021) were contacted via phone to collect information on TB case fatality and other relevant covariates. Inverse probability of selection (IPS) weighting was used to obtain selection-bias-corrected in-treatment and post-treatment case fatality estimates. Covariates associated with (but not necessarily causal of) case fatality were identified by estimating adjusted hazard ratios (HRs) using the Cox proportional hazards model. WHP enrolled 19,826 adult drug-susceptible TB patients in the first year of COVID-19 (Mar 2020 to Mar 2021). Of our random sample of 4,000 patients, n = 2,962 (74.1%) answered the follow-up call. Unweighted and IPS-weighted in-treatment case fatality in the primary analysis were 6.12% (95%CI: 5.31-6.97%) and 6.07% (95%CI: 5.22-6.93%), respectively. Post-treatment case fatality estimates were 0.97% (95%CI: 0.61-1.33%) (unweighted) and 1.27% (95%CI: 0.79-1.79) (IPS-weighted). Our IPS-weighted estimates for in-treatment and post-treatment case fatality were similar to pre-pandemic IPS-weighted estimates (in-treatment: 7.27%, 95%CI: 5.97%- 8.49% and 12 months post-treatment: 1.23, 95%CI: 0.75-1.73). Although not higher than pre-pandemic estimates, the observed case fatality in this private sector cohort of people treated for drug-susceptible TB during COVID-19 in Bihar, India is above the level needed to reach the 2025 and 2030 End TB Strategy targets for reductions in TB deaths, underlining the extent of pandemic-related setbacks to TB elimination.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,001 |
| 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 ».