Effektevaluering av bruk av MATCH AI Predictive Modeling for Identification of Hotspots for TB Active Case Finding (SPOT-TB)

Til tross for betydelig fremgang de siste tiårene, ble anslagsvis 10,6 millioner individer syke av tuberkulose (TB) i 2021, og sykdommen forårsaket 1,6 millioner dødsfall globalt. Pakistan er rangert som det 5. høyeste TB-byrdelandet i verden og TB forårsaker 42 000 dødsfall årlig i landet. En sentral utfordring i Pakistans respons på tuberkulose er å sikre diagnose og behandling av alle individer med tuberkulose. I 2020, av de 573 000 sakene, ble totalt 276 736 (48%) varslet. Å bygge bro over dette gapet for saksoppdagelse er et kritisk mål for det nasjonale TB-programmet (NTP). Active case-finding (ACF), er en potensiell strategi for å øke saksoppdagelsen ved systematisk screening av lokalsamfunn for tuberkulose. Nyere bevis indikerer at ACF også kan redusere TB-forekomst og prevalens på populasjonsnivå gjennom tidlig oppdagelse. Mens ACF-intervensjoner har vist effektivitet i fellesskapsforsøk og nå utføres i stor skala i Pakistan, er det fortsatt bekymringer angående deres utbytte og kostnadseffektivitet i programmatiske omgivelser.

Hovedmålet med denne studien er å undersøke om en målrettet tilnærming til fellesskapsbasert screening ved bruk av MATCH-AI, en kunstig intelligensprogramvare som modellerer TB-prevalens i underdistrikter, kan forbedre utbyttet av ACF-intervensjoner i Pakistan. I intervensjonsarmen vil feltteamet gjennomføre lokalsamfunnsbaserte ACF-aktiviteter (kalt brystleirer) primært på steder som MATCH-AI har spådd å ha en høyere prevalens av TB. I kontrollarmen vil feltteam fortsette å bruke eksisterende tilnærminger for valg av leirplass. Rettssaken vil bli gjennomført i 65 distrikter i Pakistan i samarbeid med implementeringspartnere av NTP.