Profile of Drug-Resistant Tuberculosis Patients at Rumah Sakit Universitas Indonesia Depok Period October 2024
Notice bibliographique
Résumé
Indonesia has been one of the three countries in Asia that contributes to the highest case of Tuberculosis (TB) in the world. Tuberculosis itself counted as the top ten cause of death globally. Two of the challenges in controlling TB cases are the occurrence of drug-resistance strain and patients’ adherence. Drug-resistant TB has to be treated with the second line drugs of TB with higher risk of adverse events. Linezolid as one of the suggested drugs by WHO in the treatment may increase patients’ risk of cytopenia events. This study was conducted to represent the profile of drug-resistant TB obtained from Rumah Sakit Universitas Indonesia (RSUI) Depok period October 2024. Design of this study is a quantitative-descriptive where the data of patients obtained from the patients’ medical records in the period of October 2024. The findings of this study showed the total number of drug-resistant TB was 104 with 3 cases of HIV and 70 patients having Linezolid in their regimen. Most of the patients are male with mean of age 41.3 years. New cases and RR/MDR TB level are dominated while on the other hand there’s 9 cases of After Failure and 4 others are After Loss to Follow-up. Median values obtained for patients’ leukocytes, hemoglobin, and platelets are 7818.0, 11.9, 279.5 respectively.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».