The Impact of Pregnancy on Tuberculosis Treatment Outcomes: An Analysis of Brazilian National Surveillance Data 2016–2022
Notice bibliographique
Résumé
BACKGROUND: More than 200 000 pregnant people fall ill with tuberculosis (TB) annually. Little is known about the impact of pregnancy on TB outcomes. METHODS: This study used surveillance data from Brazil's Ministry of Health. We included women aged 11-49 years newly diagnosed with drug-susceptible TB disease between 2016 and 2022, treated with a first-line anti-TB regimen, and with a known treatment outcome. Using multivariable regression, we estimated the age-stratified effect of pregnancy on (1) loss to follow-up and (2) death during TB treatment. RESULTS: Of 96 868 women with TB, 1870 (1.9%) were pregnant, 79 361 (81.9%) were not pregnant, and 15 637 (16.1%) had unknown pregnancy status. Among pregnant women, 1432 (76.6%) experienced treatment success, 358 (19.1%), lost to follow-up, and 80 (4.3%) died. Among nonpregnant women, 79 262 (83.4%) experienced treatment success, 11 582 (12.2%) were lost to follow-up, and 4154 (4.4%) died. In adolescents, pregnancy conferred higher odds of loss to follow-up (adjusted odds ratio [aOR], 1.78; 95% confidence interval [CI]: 1.29-2.44) and death (aOR, 2.35; 95% CI: 1.27-4.37). Compared to nonpregnant women of the same age, pregnant women aged 20-29 and 30-39 years experienced more loss to follow-up (respectively: aOR, 1.39; 95% CI: 1.17-1.66 and aOR 1.79; 95% CI, 1.42-2.25), while those aged 40-49 years were more likely to die (aOR, 1.66; 95% CI: 1.04-2.66). CONCLUSIONS: Our analysis revealed a significant association between pregnancy and poor TB treatment outcomes, highlighting the need for care providers to offer enhanced support and monitoring for pregnant women undergoing TB treatment. Further research is needed to identify the underlying reasons for these findings.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».