Nya algoritmer för att diagnostisera tuberkulos hos barn

En ny internationell studie utförd av Läkare utan gränser (MSF) visar att algoritmer kan förbättra diagnostiseringen av tuberkulos hos barn. Detta kan rädda många liv, säger hon.

Traditionellt har läkare använt upphostningsprov för att diagnostisera tuberkulos hos barn, vilket är en utmaning. För tre år sedan rekommenderade Världshälsoorganisationen (WHO) algoritmer som bygger på vanliga symtom för att fastställa diagnosen utan laboratorietester.

Trots WHO:s rekommendationer har få länder implementerat dessa algoritmer. Vår studie bekräftar att dessa algoritmer fungerar effektivt, säger hon.

MSF:s studie involverade 1 846 barn under tio år med tuberkulossymtom i fem länder: Uganda, Niger, Nigeria, Guinea och Sydsudan. Majoriteten av barnen med tuberkulos kunde diagnostiseras korrekt, enligt henne.

De typiska symtomen inkluderar hosta, nattsvettningar och avmagring. Algoritmerna möjliggör behandling även utan laboratoriebekräftelse, vilket ledde till att dubbelt så många behandlingar kunde initieras jämfört med enbart laboratorietester.

Förhoppningen är att fler länder ska börja använda WHO:s algoritmer för att förbättra diagnostiseringen av tuberkulos. Ukraina är ett av länderna med hög andel tuberkulospatienter, och bristen på diagnosverktyg påverkar även närliggande länder.

Trots att tuberkulos är behandlingsbar, är den fortfarande den dödligaste infektionssjukdomen globalt. Under 2023 uppskattades 1,2 miljoner barn under 14 år insjukna, varav många inte får diagnos och därmed missar livräddande behandling.

Att diagnostisera tuberkulos hos barn är svårt eftersom testerna inte är anpassade för dem. Barn har ofta lägre bakterienivåer och har svårt att hosta upp slem, vilket komplicerar testprocessen, enligt Läkare utan gränser.