Rapid Point-of-Care First-Line Screening Tests for Hepatitis B Infection: A Meta-Analysis of Diagnostic Accuracy (1980–2010)
Notice bibliographique
Résumé
OBJECTIVES: Three-hundred fifty million people worldwide are chronically infected with Hepatitis B, with four million acute infections annually. With infection concentrated in hard-to-reach populations and low resource settings, rapid point-of-care (POC) tests offer an efficient screening alternative to laboratory tests. We conducted a meta-analysis to evaluate accuracy of rapid POC tests screening for Hepatitis B. METHODS: Two reviewers searched four databases, critiqued quality. A hierarchical Bayesian meta-analysis correcting for imperfect reference standards was used. Based on components of the antigen-antibody response, 17 studies were stratified into three subgroups: (i) Hepatitis B surface antigen (HBsAg) tests; (ii) anti-HBsAg tests, and (iii) HBs+eAg tests. Further, we pooled estimates on individual tests with sufficient data. RESULTS: In subgroup 1, the pooled sensitivity (Sn) was 94.76% (95% credible interval (CrI): 90.08-98.23%) and specificity (Sp) was 99.54% (95% CrI: 99.03-99.95%). The Determine test reported a pooled Sn 98.2% (95% CrI: 94.7, 99.9) and Sp 99.9% (95% CrI: 99.3, 100); in subgroup 2, Sn 93.2% (95% CrI: 85.1, 98.5), Sp 93.1% (95% CrI: 81.9, 99.9); and in subgroup 3, the Binax test showed Sn 95.5% (95% CrI: 88.9, 99.4), Sp 99.8% (95% CrI: 99.3, 100). CONCLUSIONS: HBsAg tests, including Determine, and the HBs+eAg test, Binax showed high accuracy. Improvements in sensitivity of antibody-based tests will enhance their potential for global first-line screening.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,011 | 0,006 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».