Prevalence of Tuberculosis in Central Asia and Southern Caucasus: A Systematic Literature Review
Notice bibliographique
Résumé
Background: In 2023, tuberculosis (TB) caused 1.25 million deaths globally, remaining a leading infectious killer. Central Asia and Southern Caucasus face high TB burdens, particularly Mongolia. This review synthesizes TB prevalence data and diagnostic capabilities in these regions to support public health strategies. Methods: This systematic review aimed to synthesize current data on TB prevalence in Central Asia, Southern Caucasus, and Mongolia to support public health strategies and research priorities. A comprehensive search of PubMed and Google Scholar was conducted for English-language articles published up to 2023. Studies were assessed using a modified Newcastle–Ottawa Scale. Nine studies met the inclusion criteria, covering Kazakhstan, Kyrgyzstan, Uzbekistan, Tajikistan, Turkmenistan, Mongolia, Georgia, Armenia, and Azerbaijan. Results: TB incidence ranged from 67 per 100,000 in Kazakhstan to 190 per 100,000 in Kyrgyzstan, with the highest prevalence of 68.5% in Mongolia. TB affected men more frequently (65.3%), and the key risk factors included HIV (30.5%), comorbidities, and undernutrition. Diagnostic performance varied significantly (microscopy sensitivity, 45–65%; GeneXpert MTB/RIF, 89–96% sensitivity and 98% specificity for rifampicin resistance). Diagnostic turnaround times ranged from hours (molecular) to weeks (conventional). Only 58% of TB facilities had GeneXpert technology, with urban–rural disparities in diagnostic access. Drug-resistant TB imposed a significant economic burden, with treatment costs ranging from USD 106 to USD 3125. Conclusions: Strengthening surveillance, improving data collection, and conducting longitudinal studies are essential for designing effective TB control strategies in these regions. Significant diagnostic gaps persist across these regions, especially with regard to drug-resistant strains. Point-of-care molecular diagnostics, improved algorithms, and expanded laboratory training show promise. Future research should focus on rapid biomarker-based diagnostics, field-deployable technologies for settings with limited resources, and AI integration to enhance diagnostic accuracy and efficiency.
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 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| 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 | 0,001 |
| 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 ».