Évaluation de l'impact de l'utilisation de la modélisation prédictive MATCH AI pour l'identification des points chauds pour la recherche active de cas de tuberculose (SPOT-TB)
Évaluation de l'impact de l'utilisation de la modélisation prédictive MATCH AI pour l'identification des points chauds pour la recherche active de cas de tuberculose au Pakistan : un essai randomisé pragmatique en grappes par étapes
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
Malgré des progrès significatifs au cours des dernières décennies, on estime que 10,6 millions de personnes ont contracté la tuberculose (TB) en 2021 et que la maladie a causé 1,6 million de décès dans le monde. Le Pakistan est classé au cinquième rang des pays les plus touchés par la tuberculose au monde et la tuberculose provoque 42 000 décès par an dans le pays. Un défi majeur dans la réponse du Pakistan à la tuberculose est d'assurer le diagnostic et le traitement de toutes les personnes atteintes de tuberculose. En 2020, sur les 573 000 cas, 276 736 (48 %) au total ont été notifiés. Combler cette lacune en matière de détection des cas est un objectif essentiel du Programme national de lutte contre la tuberculose (NTP). La recherche active des cas (ACF) est une stratégie potentielle pour augmenter la détection des cas grâce au dépistage systématique de la tuberculose dans les communautés. Des preuves récentes indiquent qu'ACF peut également réduire l'incidence et la prévalence de la tuberculose au niveau de la population grâce à une détection précoce. Bien que les interventions d'ACF aient démontré leur efficacité lors d'essais communautaires et soient désormais menées à grande échelle au Pakistan, des inquiétudes subsistent quant à leurs rendements et leur rapport coût-efficacité dans les contextes programmatiques.
L'objectif principal de cette étude est de déterminer si une approche ciblée vers le dépistage communautaire utilisant MATCH-AI, un logiciel d'intelligence artificielle qui modélise la prévalence de la tuberculose dans les sous-districts, peut améliorer le rendement des interventions d'ACF au Pakistan. Dans le bras d'intervention, l'équipe de terrain mènera des activités communautaires d'ACF (appelées camps thoraciques) principalement dans les endroits prédits par MATCH-AI comme ayant une prévalence plus élevée de tuberculose. Dans le bras de contrôle, les équipes de terrain continueront d'utiliser les approches existantes pour la sélection des sites de camp. L'essai sera mené dans 65 districts du Pakistan en collaboration avec les partenaires de mise en œuvre du NTP.
Type d'étude
Inscription (Estimé)
Phase
- N'est pas applicable
Contacts et emplacements
Coordonnées de l'étude
- Nom: Amna Mahfooz, MS(PH)
- Numéro de téléphone: +923438101441
- E-mail: amna.mahfooz@cgph.org.pk
Sauvegarde des contacts de l'étude
- Nom: Faheem Baig
- Numéro de téléphone: +923345379004
- E-mail: faheem@cgph.org.pk
Lieux d'étude
-
-
-
Islamabad, Pakistan
- Recrutement
- Mercy Corps Pakistan
-
Contact:
- Nainan Nawaz
- E-mail: nanawaz@mercycorps.org
-
Chercheur principal:
- Abdullah Latif
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
La description
Critère d'intégration : Toutes les personnes se présentant dans les camps seront éligibles pour participer au dépistage, y compris celles ayant des antécédents de tuberculose.
Critère d'exclusion : Les enfants de moins de 15 ans et les femmes enceintes seront exclus.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Objectif principal: Recherche sur les services de santé
- Répartition: Randomisé
- Modèle interventionnel: Affectation croisée
- Masquage: Seul
Armes et Interventions
Groupe de participants / Bras |
Intervention / Traitement |
|---|---|
|
Expérimental: Intervention
Sélection de sites de camps pour la recherche active de cas de tuberculose à l'aide de MATCH-AI
|
L'intervention principale de cette étude est le déploiement de MATCH-AI, un logiciel d'intelligence artificielle qui modélise la prévalence de la tuberculose dans les sous-districts, pour guider la sélection des sites des camps d'ACF.
L'outil MATCH-AI utilise une approche de modélisation bayésienne pour prédire la prévalence de la tuberculose avec une résolution de 10 000 habitants cartographiés sous forme de polygones.
Le modèle intègre des données provenant d'une gamme de sources, y compris les données historiques de notification des établissements antituberculeux, les données antérieures d'ACF ainsi que des facteurs contextuels tels que la démographie, le revenu, la densité de population, des indicateurs de santé tels que la couverture vaccinale et les variables liées au climat pour prédire la prévalence localisée de la tuberculose.
Dans le bras d'intervention, les camps seront menés principalement dans des lieux guidés par MATCH-AI.
|
|
Aucune intervention: Contrôle
Sélection des sites des camps pour la recherche active des cas de tuberculose en utilisant les approches existantes.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Rendement positif du camp
Délai: 12 mois
|
Nombre de cas de tuberculose (B+) confirmés bactériologiquement et diagnostiqués dans chaque camp
|
12 mois
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Taux de positivité du camp
Délai: 12 mois
|
Cas de tuberculose (B+) confirmés bactériologiquement par population dépistée
|
12 mois
|
|
Rendement du camp toutes formes
Délai: 12 mois
|
Nombre de cas de tuberculose toutes formes (AF-TB) diagnostiqués dans chaque camp
|
12 mois
|
|
Taux de tuberculose toutes formes dans les camps
Délai: 12 mois
|
Cas de tuberculose toutes formes (AF-TB) par population dépistée
|
12 mois
|
Collaborateurs et enquêteurs
Parrainer
Collaborateurs
Les enquêteurs
- Chercheur principal: Faran Emmanuel, Centre for Global Public Health Pakistan
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Estimé)
Achèvement de l'étude (Estimé)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- CGPH-TB2023-24
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .