Deprioritized and disrupted: tuberculosis care in the shadow of COVID-19
Notice bibliographique
Résumé
The COVID-19 pandemic significantly disrupted tuberculosis (TB) care worldwide, undermining years of progress in TB prevention and control. This Perspective offers a comparative analysis of how TB services were affected in a high-income, low-burden country (Canada) versus two low- and middle-income, high-burden countries (India and Nigeria). Drawing on secondary data and global surveillance reports, the article highlights key disruptions across the TB care cascade, including delays in diagnosis, reduced case detection, and the collapse of community-based treatment models like DOTS. In Canada, digital transitions partially mitigated the impact, though access was unequal. In contrast, India and Nigeria faced widespread diagnostic interruptions, compounded by preexisting infrastructure gaps and limited digital access. The comparison reveals how underlying health system strength and digital readiness shaped national responses and recovery trajectories. Crucially, the pandemic exposed policy inertia and the deprioritization of routine infectious disease care in crisis contexts. This article calls for a global rethink of public health preparedness that centers on equity, continuity of essential services, and support for high burden settings. By analyzing divergent country experiences, this Perspective contributes actionable insights for strengthening TB programs and public health systems during future pandemics.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,013 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,001 | 0,011 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».