MétaCan
Menu
Retour à la cohorte
Enregistrement W4413999615 · doi:10.5588/pha.25.0011

Improving TB care services among coal mine workers and their associated communities in Pakistan

2025· article· en· W4413999615 sur OpenAlexaff
K.U. Eman, Ghulam Nabi Kazi, Zhi Zhen Qin, Sher Afgan Raisani, Usman R. Lodhi, S. John

Notice bibliographique

RevuePublic Health Action · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueTuberculosis Research and Epidemiology
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineCoal miningEnvironmental healthCoalData scienceData miningWaste managementComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

SETTING: Five major coal mining districts in Balochistan, Pakistan. OBJECTIVES: To assess burden of TB among coal miners and their associated communities and establish linkages with TB care services. DESIGN: A cross-sectional study was conducted to find TB cases through active case finding. The target population included people working at coal mining sites and surrounding communities residing within 10 km, including coal miners' families and other individuals. Verbal symptom screening was carried out via mobile camps and community outreach. Sputum was collected from screened positive individuals and tested for TB on GeneXpert. TB cases diagnosed were linked with TB care services. RESULTS: A total of 14,541 individuals including 8,149 (56%) coal miners were screened. Of the people screened, 81% were male, median age was 31 years, 2,274 (15.6%) had TB symptoms, and 34 confirmed TB cases were diagnosed. All 34 TB patients were linked to care and 32 completed treatments successfully. The estimated TB prevalence was 234 cases per 100,000 population (95% confidence interval: 150.6-316.5), with no significant difference between coal miners and associated communities. CONCLUSION: Similar TB prevalence among coal miners and associated communities reflects shared vulnerability. Use of more sensitive screening tools is recommended to validate prevalence estimates in future studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,086
Score d'incertitude au seuil0,911

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,055
Tête enseignante GPT0,398
Écart entre enseignants0,343 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePublic Health ActionMême sujetTuberculosis Research and EpidemiologyTravaux en français237 207