MétaCan
Menu
Retour à la cohorte
Enregistrement W4417319493 · doi:10.5588/ijtldopen.25.0434

Global status of policies and practices for systematic TB screening in high-burden countries

2025· article· en· W4417319493 sur OpenAlexaff
A.L. Innes, Refiloe Matji, Dick Menzies, Kiran Rade, Jason Alacapa, E. Qadeer, Neeraj Kak, Anita Paydar, Nitesh Kumar, Tiara Pakasi, Obioma Chijoke-Akaniro, Muhammad Ismail, Ronald Allan Fabella, Norbert Ndjeka, Aldomoro Burua, Van Luong Dinh, Dennis Falzon, C. Ryan Miller

Notice bibliographique

RevueIJTLD OPEN · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueTuberculosis Research and Epidemiology
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesWorld Health Organization
Mots-clésContext (archaeology)WorkforceSystematic reviewHuman resourcesDeveloping countryWorkforce development

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The global status of policies and practices for systematic TB screening has not been described since the World Health Organization (WHO) guideline update in 2021. In 2024, the WHO Global Programme on Tuberculosis & Lung Health commissioned a questionnaire survey and in-depth reviews of systematic screening for TB disease in high-TB-burden countries. METHODS: A short-answer and multiple-choice questionnaire was sent to the 30 highest-TB-burden countries to query national policies and the scale of systematic screening, prioritising practices and results among targeted populations. In eight of the 30 countries, mixed-methods in-depth reviews comprised national policy desk reviews; stakeholder interviews; subnational site visits; and analyses of TB cascade of care data from systematic TB screening (2021-2023). RESULTS: Systematic TB screening showed signs of expansion since 2021 in eight high-TB-burden countries. The questionnaire survey and in-depth reviews identified best practices including chest X-ray prioritisation in parallel with or replacing symptom screening, computer-aided detection for chest X-ray interpretation, machine-learning spatial analytics, and intensive community mobilisation. CONCLUSION: High-TB-burden countries have expanded systematic TB screening, but national data systems for monitoring and evaluation must be strengthened to evaluate systematic screening results. Funding and human resource mobilisation is critical for progress. Artificial intelligence and innovative tools may improve implementation quality, enhancing existing human workforce capacity in the context of limited resources.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,117
score de la tête « metaresearch » (Gemma)0,189
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,117
Score d'incertitude au seuil0,621

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1170,189
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,007
Études des sciences et des technologies0,0010,005
Communication savante0,0060,004
Science ouverte0,0030,005
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,062
Tête enseignante GPT0,466
Écart entre enseignants0,404 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIJTLD OPENMême sujetTuberculosis Research and EpidemiologyTravaux en français237 207