Tuberculosis Case Fatality in the Indian Private Healthcare Sector
Notice bibliographique
Résumé
La tuberculose (TB) demeure la maladie infectieuse la plus meurtrière dans le monde.L'Inde compte plus du quart des cas de TB à travers le monde, et est le site de la plus grande épidémie de TB au niveau mondial.La stratégie de l'Organisation mondiale de la Santé (OMS) pour mettre fin à la tuberculose (« End TB Strategy ») identifie le taux de létalité comme une mesure clé de la qualité des soins de santé en TB.Dans cette thèse de doctorat, j'estime le taux de létalité de l'épidémie de TB en Inde à partir de la littérature, et de données primaires sur des patients de TB du secteur privé provenant de deux études de cohortes.J'ai réalisé une revue systématique de la littérature récente sur la létalité de la TB Inde qui démontre que bien que le taux de létalité global soit en ligne avec les cibles de l'OMS, des groupes importants de patients sont sous-étudiés, en particulier les patients de TB du secteur privé.Le secteur privé du système de santé indien est en grande partie non réglementé et dessert la moitié des patients de TB indiens; les données suggèrent que les soins de santé qu'ils reçoivent sont sous-optimaux.Les efforts pour améliorer la qualité des soins de santé pour les patients de TB indiens dans le secteur privé incluent les agences d'interface avec les fournisseurs privés (AIFP ou « Private Provider Interface Agencies ») qui fournissent un traitement et un soutien au traitement gratuits aux patients, ainsi que des primes d'encouragement aux fournisseurs.Afin d'estimer le taux de létalité et le taux de récurrence de TB chez les patients traités par les AIFP, j'ai réalisé deux enquêtes de cohortes de 4 000 patients chacune, à Patna et à Mumbai, en Inde.J'ai estimé le taux de létalité durant la phase de traitement, ainsi que le taux de létalité et de récurrence de TB durant la phase post-traitement.La perte de suivi du patient, une source potentielle de biais de sélection, est ajustée pour utiliser la pondération de sélection de probabilité inverse.J'ai déterminé que le taux de létalité durant la phase de traitement était supérieur à la limite optimale de l'OMS, et que les estimés bruts de létalité durant cette phase étaient substantiellement biaisés.Après 24 mois dans la phase post-traitement, des taux de létalité et de récurrence modérés ont été observés.La correction du biais de sélection est un pas vers l'avant important pour la littérature indienne sur la TB, mais il faut noter que la pondération de sélection de probabilité inverse ne fournit des estimés non-biaisés que si toutes les variables de confusion de la relation sélection-résultat sont incluses dans le modèle de sélection.Afin d'investiguer la robustesse de mes résultats par rapport aux influences confusionnelles non-mesurées, j'ai réalisé une analyse de biais probabiliste, dans laquelle j'ai simulé des taux réalistes de fumeurs, VIH et malnutrition, et j'ai estimé que leur influence sur les résultats primaires était probablement limitée.Ce travail de recherche contribue à l'estimation fiable d'une mesure critique de qualité des soins de santé, le taux de létalité.Il s'agit d'une première étape importante dans l'étalonnage d'améliorations futures de la qualité des soins de santé.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».