Performance of interferon-gamma release assays in patients with inflammatory bowel disease: A systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Guidelines mandate screening for latent tuberculosis infection (LTBI) prior to anti-tumor necrosis factor (anti-TNF) therapy in patients with inflammatory bowel disease (IBD). However, many are already on immunosuppressive therapy (IST) that may affect the precision of the Tuberculin skin test (TST). Our aim was to assess the performance of the new interferon-gamma release assays (IGRAs) to detect LTBI in patients with IBD. METHODS: MEDLINE and EMBASE were searched (up to June 2011) to identify studies evaluating the performance of IGRAs (QuantiFERON-TB Gold [QFT-2G], QuantiFERON-TB Gold In-Tube [QFT-3G] and T-SPOT.TB) in individuals with IBD. Forest plots and pooled estimates using random effects models were created where applicable. RESULTS: Nine unique studies encompassing 1309 patients with IBD were included for analysis. The pooled concordance between the TST and QFT-2G/QFT-3G was 85% (95% confidence interval [CI] 77%-90%). The concordance of the TST and TSPOT.TB was 72% (95% CI 64%-78%). Studies assessing agreement reported more IGRA-/TST+ results versus IGRA+/TST- results. The pooled percentage of indeterminate results was 5% (95% CI 2%-9%) for QFT-2G/QFT-3G. TSPOT.TB showed similar results. Both positive QFT-2G/QFT-3G results (pooled odds ratio [OR] 0.37, 95% CI 0.16-0.87) and positive TST results (pooled OR 0.28, 95% CI 0.10-0.80) were significantly influenced by IST (both P = 0.02). CONCLUSIONS: While it remains difficult to determine superiority between the IGRAs and the TST, both are negatively affected by IST. Therefore, screening prior to initiation of IST should be considered. Nevertheless, it is imperative that all patients receive screening prior to anti-TNF therapy.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».