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 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 | 0,025 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,013 | 0,060 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».