Impact of alcohol consumption, substance use, and smoking on treatment outcomes in tuberculosis: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: This study aimed to elucidate the influence of alcohol, smoking, and substance use on tuberculosis (TB) treatment failure using a meta-analysis approach. METHOD: A comprehensive search strategy was developed and applied to three major databases: MEDLINE, Web of Science, and Scopus. Additionally, Google Scholar, and Google were used to locate grey literature. Studies were identified through title and abstract screening, followed by a full-text review for eligibility. The Newcastle-Ottawa Scale checklist was employed to assess the quality of included studies. Pooled odds ratios (OR) with 95% confidence intervals (CI) were calculated for each factor. RESULTS: The initial database search and other sources yielded 10,518 articles. After applying inclusion criteria, 19 studies with a total of 180,119 participants were selected for the meta-analysis. The results revealed significant associations between all three factors and treatment failure. Pooled ORs indicated that alcohol consumption (OR 2.05; 95% CI 1.65 to 2.55), smoking (OR = 1.85; 95% CI 1.44 to 2.37), and substance use (OR 2.04; 95% CI 1.63 to 2.55) were each associated with an increased risk of TB treatment failure. Additionally, the majority of included studies demonstrated high methodological quality. CONCLUSION: Our findings suggest that alcohol, smoking, and substance use are significant risk factors for unsuccessful TB treatment. To enhance TB treatment efficacy, preventive interventions aimed at reducing these behaviors before treatment initiation are recommended.
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 | 0,008 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,061 | 0,008 |
| Bibliométrie | 0,001 | 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 ».