Predictors of treatment outcomes in multi-drug-resistant tuberculosis in India (2015–2025): A systematic review.
Notice bibliographique
Résumé
Background: Multi-drug-resistant tuberculosis (MDR-TB) remains a major public health concern in India, with treatment outcomes often falling below global targets. Identifying predictors of treatment success or failure is critical for improving care and informing national strategies. Objectives: To systematically review and synthesize the evidence on predictors of treatment outcomes in MDR-TB patients in India between 2015 and 2025. Materials and Methods: Electronic databases (PubMed, Scopus, Google Scholar) were searched from January 2015 to May 2025. Additional articles were identified through manual reference screening. The review included observational studies on Indian patients receiving MDR-TB treatment under programmatic or hospital-based settings. Risk of bias was assessed using the Newcastle-Ottawa Scale. Data were categorized thematically into demographic, clinical, comorbidity, and treatment-related predictors. Results: Seven studies were included, with sample sizes ranging from 95 to over 2,000 patients. Common predictors of unfavorable outcomes included older age, male sex, undernutrition (low BMI/albumin), HIV co-infection, substance use (alcohol/smoking), poor adherence, and adverse drug reactions. Treatment success rates were generally below 50%. Conclusions and Implications: Multiple modifiable and non-modifiable factors contribute to poor MDR-TB outcomes in India. Addressing undernutrition, supporting adherence, and managing comorbidities like HIV and substance abuse can improve outcomes. These findings can inform targeted interventions under the National TB Elimination Programme.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,009 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».