Evaluation of PCR for the diagnosis of dermatophytes in nail specimens from patients with suspected onychomycosis
Notice bibliographique
Résumé
BACKGROUND: Conventional methods for detecting fungi in nail specimens are either nonspecific (microscopy) or insensitive (culture). Recently, PCR has been used to improve sensitivity in detecting the causative fungi in nail specimens from patients with suspected onychomycosis. AIM: To compare the detection rates of PCR with those of microscopy (with potassium hydroxide; KOH) and culture for dermatophytes in nail specimens from patients with suspected onychomycosis. METHODS: In total, 120 patients with clinically suspected onychomycosis were recruited, and using a topoisomerase II-based PCR, we compared the detection rate of dermatophytes for the three methods. RESULTS: KOH microscopy, culture and PCR respectively yielded positive rates of 35 (29.2%), 12 (10%) and 48 (40%), and negative rates of 85 (70.8%), 108 (90%) and 72 (60%). Two culture-positive specimens were not detected by PCR, but PCR picked up 38 specimens missed by culture. Of the 35 specimens that were microscopy-positive, 12 grew dermatophytes and 23 nondermatophytes. CONCLUSIONS: This study demonstrates that PCR has a higher positive and lower negative rate for detection of dermatophytes compared with KOH microscopy or culture. We suggest that PCR should be used as a complementary method for confirmation of clinically suspected dermatophytic onychomycosis.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».