Sensitivities and Specificities of Spoligotyping and Mycobacterial Interspersed Repetitive Unit-Variable-Number Tandem Repeat Typing Methods for Studying Molecular Epidemiology of Tuberculosis
Notice bibliographique
Résumé
The development of PCR-based genotyping modalities (spoligotyping and mycobacterial interspersed repetitive unit-variable-number tandem repeat [MIRU-VNTR] typing) offers promise for real-time molecular epidemiological studies of tuberculosis (TB). However, the utility of these methods depends on their capacity to appropriately classify isolates. To determine the operating parameters of spoligotyping and MIRU-VNTR typing, we have compared results generated by these newer tests to the standard typing method, IS6110 restriction fragment length polymorphism, in analyses restricted to high-copy-number IS6110 isolates. Sensitivities of the newer tests were estimated as the percentages of isolates with identical IS6110 fingerprints that had identical spoligotypes and MIRU-VNTR types. The specificities of these tests were estimated as the percentages of isolates with unique IS6110 fingerprints that had unique spoligotypes and MIRU-VNTR types. The sensitivity of MIRU-VNTR typing was 52% (95% confidence interval [CI], 31 to 72%), and the sensitivity of spoligotyping was 83% (95% CI, 63 to 95%). The specificity of MIRU-VNTR typing was 56% (95% CI, 51 to 62%), and the specificity of spoligotyping was 40% (95% CI, 35 to 46%). The proportion of isolates estimated to be due to recent transmission was 4% by identical IS6110 patterns, 19% by near-identical IS6110 patterns, 33% by MIRU-VNTR typing, and 53% by spoligotyping. The low calculated specificities of spoligotyping and MIRU-VNTR typing led to misclassification of cases, inflated estimates of TB transmission, and low positive predictive values, suggesting that these techniques have unsuitable operating parameters for population-based molecular epidemiology studies.
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 | 0,012 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».