High pre-diagnosis attrition among patients with presumptive MDR-TB: an operational research from Bhopal district, India
Notice bibliographique
Résumé
Abstract Background Pre-diagnosis attrition needs to be addressed urgently if we are to make progress in improving MDR-TB case detection and achieve universal access to MDR-TB care. We report the pre-diagnosis attrition, along with factors associated, and turnaround times related to the diagnostic pathway among patient with presumptive MDR-TB in Bhopal district, central India (2014). Methods Study was conducted under the Revised National Tuberculosis Control Programme setting. It was a retrospective cohort study involving record review of all registered TB cases in Bhopal district that met the presumptive MDR-TB criteria (eligible for DST) in 2014. In quarter 1, Line Probe Assay (LPA) was used if sample was smear/culture positive. Quarter 2 onwards, LPA and Cartridge-based Nucleic Acid Amplification Test (CbNAAT) was used for smear positive and smear negative samples respectively. Pre-diagnosis attrition was defined as failure to undergo DST among patients with presumptive MDR-TB (as defined by the programme). Results Of 770 patients eligible for DST, 311 underwent DST and 20 patients were diagnosed as having MDR-TB. Pre-diagnosis attrition was 60% (459/770). Among those with pre-diagnosis attrition, 91% (417/459) were not identified as ‘presumptive MDR-TB’ by the programme. TAT [median (IQR)] to undergo DST after eligibility was 4 (0, 10) days. Attrition was more than 40% across all subgroups. Age more than 64 years; those from a medical college; those eligible in quarter 1; patients with presumptive criteria ‘previously treated – recurrent TB’, ‘treatment after loss-to-follow-up’ and ‘previously treated-others’; and patients with extra-pulmonary TB were independent risk factors for not undergoing DST. Conclusion High pre-diagnosis attrition was contributed by failure to identify and refer patients. Attrition reduced modestly with time and one factor that might have contributed to this was introduction of CbNAAT in quarter 2 of 2014. General health system strengthening which includes improvement in identification/referral and patient tracking with focus on those with higher risk for not undergoing DST is urgently required.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,442 | 0,024 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».