Stratégies innovantes pour lutter contre la tuberculose
Utiliser la technologie pour lutter contre la tuberculose et améliorer la détection dans les zones rurales.
Xiaolin Wei, Dabin Liang, Zhitong Zhang, Kevin Thorpe, Lingyun Zhou, Jinming Zhao, Huifang Qin, Xiaoyan Liang, Zhezhe Cui, Yan Huang, Liwen Huang, Mei Lin
― 8 min lire
Table des matières
- Une Stratégie Simple pour un Problème Difficile
- Le Nouveau Plan : La Tech à la rescousse
- Une Étude Pilote à Guangxi, Chine
- Chronologie et Détails de l'Étude
- Comment l'Étude est Organisée
- Qui Peut Participer ?
- Recherche Active de Cas : À Quoi S'Attendre
- Suivi des Résultats
- Mesurer les Coûts et l'Efficacité
- Une Feuille de Route pour le Futur
- Le Défi Qui Nous Attend
- Pensées Finales
- Source originale
La tuberculose (TB) est une sale maladie qui passe souvent inaperçue dans les discussions sur les maladies infectieuses, mais elle mérite clairement plus d'attention. En fait, c'est la principale cause de mort liée aux maladies infectieuses dans le monde. En 2022, on a enregistré un énorme chiffre de 7,5 millions de nouveaux cas, menant à 1,3 million de décès. C'est vrai qu'on aurait tendance à penser que ça s'améliorait vu que le nombre de cas avait baissé jusqu'en 2020, mais la pandémie de COVID-19 a mis des bâtons dans les roues, et on a vu une augmentation de presque 4 % entre 2020 et 2022.
Alors voilà le but : les Nations Unies veulent éradiquer la TB d'ici 2035. Ça veut dire qu'ils doivent faire tomber l'incidence mondiale de la TB à moins de 100 cas pour un million de personnes d'ici 2035. C'est pas facile ! Du coup, les gens cherchent des moyens innovants et rapides pour régler ce problème.
Une Stratégie Simple pour un Problème Difficile
Depuis plus d'un siècle, une stratégie claire a fait ses preuves dans les pays riches. C'est un truc basique appelé "prévenir, chercher, détecter, traiter." En gros, il s'agit d'identifier et de soigner les cas de TB avant qu'ils ne se propagent. Les recherches ont montré qu'en cherchant activement la TB au niveau communautaire, on peut déceler des cas qui pourraient passer sous le radar.
Regardons quelques exemples qui ont bien fonctionné. Dans une étude dans le Zimbabwe rural en 2009, des vans mobiles et une collecte de crachats porte-à-porte ont aidé à baisser le taux de TB de 41 % en seulement trois ans. Pas mal, non ? Au Vietnam rural, un Dépistage avec un outil de diagnostic rapide pendant trois ans a permis de réduire la prévalence de la TB de 40 %. Mais ces tests GeneXpert sont assez chers, autour de 15 $ chacun, ce qui complique les choses pour un usage à grande échelle.
Le Nouveau Plan : La Tech à la rescousse
Pour lutter contre ces défis, les scientifiques proposent d'utiliser des outils économiques comme l'intelligence artificielle (IA) et l'apprentissage profond. Ces systèmes d'IA ont montré des résultats prometteurs, capables d'identifier des cas de TB avec une sensibilité de 86 % et de réduire le nombre de cas nécessitant des tests de laboratoire intensifs de 66 %. En gros, l'IA aide à rendre la détection de la TB plus rapide et moins chère.
Des études sur le terrain ont prouvé qu'il était possible d'utiliser des radiographies assistées par IA et des tests GeneXpert pour le dépistage dans les communautés. Cependant, de nombreuses études passées ont eu des défauts de conception, se basant sur des comparaisons avant et après qui ne mesurent pas vraiment l'impact sur la propagation de la TB. De plus, il s'avère que les programmes sont souvent plus efficaces lorsqu'ils ciblent des groupes à risque spécifiques, comme les personnes âgées, les proches de patients atteints de TB et celles ayant d'autres problèmes de santé comme le diabète ou le VIH.
Une Étude Pilote à Guangxi, Chine
La prochaine étape est de tester ces idées dans une zone avec beaucoup de cas de TB, à savoir la région rurale de Guangxi, en Chine. Cette région se prépare pour un projet majeur qui utilisera les dernières technologies pour repérer et réduire la TB parmi les personnes les plus à risque. Le plan comprend un van mobile avec des machines à Rayons X assistées par IA et des tests GeneXpert qui visitera les communautés pour identifier les cas de TB.
Ce projet va subir une évaluation rigoureuse en tant qu'essai contrôlé randomisé sur trois ans. L'objectif ? Réduire l'épidémie de TB parmi les populations les plus vulnérables et utiliser la technologie pour y parvenir.
Chronologie et Détails de l'Étude
Cette étude va se dérouler sur 42 mois, incluant une période d'essai principale de 36 mois. L'essai a démarré en novembre 2021, mais il y a eu un petit arrêt à cause des restrictions COVID-19. Le recrutement et la collecte de données sont en cours, avec une date limite fixée à janvier 2025, quand les résultats seront partagés via des articles de recherche et des présentations.
Comment l'Étude est Organisée
À Guangxi, qui a l'un des taux de TB les plus élevés en Chine, l'étude sera divisée en deux groupes : un groupe recevant l'intervention de recherche active de cas et l'autre bénéficiant de soins réguliers. Guangxi fournit des soins pour la TB à travers son système de santé publique, où les patients se présentent généralement dans des cliniques. Le processus habituel consiste à ce que les patients voient des médecins lorsqu'ils ont des symptômes, qui les diagnostiquent ensuite via divers tests. Le groupe d'intervention aura des soins plus proactifs, cherchant des cas potentiels dans leur communauté.
Qui Peut Participer ?
L'étude est ouverte aux personnes de 15 ans et plus vivant dans les cantons de Xincheng et Xiangzhou. Ceux à haut risque—comme les personnes âgées ou celles ayant déjà été traitées pour la TB ou ayant certaines conditions de santé—seront particulièrement ciblés. Quiconque ne souhaite pas participer peut simplement se retirer ; pas de souci !
Recherche Active de Cas : À Quoi S'Attendre
Pour ceux qui sont dans le groupe d'intervention, une campagne de dépistage excitante est prévue. Des travailleurs sociaux et des médecins de village vont frapper aux portes, informer les villageois sur le dépistage, et obtenir leur consentement. Le van mobile va entrer en ville, invitant tout le monde à faire vérifier ses symptômes et à passer une rapide radiographie.
Si quelqu'un présente des symptômes ou des résultats anormaux aux rayons X, on lui demandera de fournir un échantillon de crachat. Le personnel s'assurera que la collecte des échantillons est faite correctement pour éviter les soucis. Après la collecte, les échantillons seront envoyés aux hôpitaux du comté pour analyse.
Suivi des Résultats
Au fur et à mesure que l'étude se poursuit, il y aura une période d'attente d'un an pour s'assurer que tous les patients atteints de TB identifiés reçoivent un traitement avant de réaliser une enquête à la troisième année. Cette enquête aidera à évaluer l'efficacité des Interventions de recherche active par rapport aux méthodes de soins habituelles.
L'objectif principal sera de calculer la prévalence de la TB positivement bactériologique chez les groupes à haut risque. En second lieu, les chercheurs suivront également d'autres indicateurs, comme le nombre total de cas de TB signalés et l'efficacité de l'intervention.
Mesurer les Coûts et l'Efficacité
Tout au long de l'essai, l'étude examinera aussi les coûts associés aux deux stratégies de soins. Comprendre l'aspect économique est important pour déterminer si les nouvelles méthodes valent l'investissement. Ils collecteront des données sur des éléments comme les coûts de traitement, les ressources de santé utilisées, et même les salaires du personnel impliqué dans le programme.
Une Feuille de Route pour le Futur
Si ça fonctionne, l'intervention pourrait entraîner une réduction significative des cas de TB et offrir un modèle pour d'autres régions face à des défis similaires. L'impact potentiel est grand, pas seulement pour Guangxi, mais pour le monde entier.
Le Défi Qui Nous Attend
Bien que le plan soit ambitieux et innovant, il n'est pas sans défis. Un problème est la nécessité pour les participants de collecter deux échantillons de crachat, ce qui pourrait entraîner des erreurs de collecte et de transport. Les médecins de village recevront une formation pour améliorer ce processus, mais ça reste un risque potentiel.
De plus, à cause du financement et des ressources, la recherche active de cas pourrait ne pas inclure toute la population. Mais vu que de nombreux jeunes adultes migrent vers les villes pour travailler, se concentrer sur des groupes à risque comme les personnes âgées reste une stratégie intelligente.
Pensées Finales
Éradiquer la TB n'est pas une mince affaire, mais avec la technologie et l'implication de la communauté, il y a de l'espoir pour des avancées. La lutte contre la TB, c'est un peu comme une partie de whack-a-mole ; juste quand on pense avoir tout sous contrôle, ça réapparaît ailleurs. Mais avec des efforts et des ressources dédiés, on peut travailler vers un futur où la TB sera un lointain souvenir. Et qui sait, un jour, on pourra même dire : "Tu te souviens quand la TB était un gros truc ?" Ça, ce serait vraiment à célébrer !
Source originale
Titre: Active case finding using mobile vans equipped with artificial intelligence aided radiology tests and sputum collection for rapid diagnostic tests to reduce tuberculosis prevalence in rural China: protocol for a pragmatic trial
Résumé: BackgroundTuberculosis (TB) remains a significant public health challenge, particularly in rural areas of high-burden countries like China. Active case finding (ACF) and timely treatment has been proved effective in reducing TB prevalence but it is still unknown regarding the impact on TB epidemic when employing new technologies in ACF. This study aims to evaluate the effectiveness of a comprehensive ACF package utilizing mobile vans equipped with artificial intelligence (AI)-aided radiology, and GeneXpert testing in reducing TB prevalence among high-risk populations in rural Guangxi, China. MethodsA pragmatic cluster randomized controlled trial will be conducted in two counties of Guangxi, China. The trial will randomize 23 townships to intervention or control groups at 1:1 ratio. The intervention group will receive a single ACF campaign in Year 1, incorporating mobile vans, AI-based DR screening, symptom assessment, and sputum collection for GeneXpert testing. Control group participants will receive usual care. TB patients identified in Year 1 will be required to complete TB treatment in Year 2. The primary outcome is the prevalence rate of bacteriologically confirmed TB among high-risk populations in Year 3. Process evaluation will explore adaption, acceptability and feasibility of the intervention. We will conduct incremental costing study to inform future scale-up of the intervention in other settings. DiscussionThis study will provide valuable insights into the effectiveness and feasibility of utilizing AI, mobile vans and GeneXpert for TB ACF to reduce TB prevalence in rural settings. If successful, this model will contribute to possible solutions to achieve the WHO End TB Strategy by 2035. Trial registration: ClinicalTrials.gov Identifier -NCT06702774
Auteurs: Xiaolin Wei, Dabin Liang, Zhitong Zhang, Kevin Thorpe, Lingyun Zhou, Jinming Zhao, Huifang Qin, Xiaoyan Liang, Zhezhe Cui, Yan Huang, Liwen Huang, Mei Lin
Dernière mise à jour: 2024-12-08 00:00:00
Langue: English
Source URL: https://www.medrxiv.org/content/10.1101/2024.12.08.24318678
Source PDF: https://www.medrxiv.org/content/10.1101/2024.12.08.24318678.full.pdf
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à medrxiv pour l'utilisation de son interopérabilité en libre accès.