Non-Invasive Cytology Brush PCR Diagnostic Testing in Mucosal Leishmaniasis: Superior Performance to Conventional Biopsy with Histopathology
Notice bibliographique
Résumé
BACKGROUND: Traditional methods of diagnosing mucosal leishmaniasis (ML), such as biopsy with histopathology, are insensitive and require collection of an invasive diagnostic specimen. METHODS: We compared standard invasive procedures including biopsy histopathology, biopsy PCR, and leishmanin skin test (LST) to a novel, non-invasive, cytology-brush based PCR for the diagnosis of ML in Lima, Peru. Consensus reference standard was 2/4 tests positive, and outcome measures were sensitivity and specificity. Leishmania species identification was performed by PCR-based assays of positive specimens. RESULTS: Twenty-eight patients were enrolled, 23 of whom fulfilled criteria for a diagnosis of ML. Sensitivity and specificity of biopsy with histopathology were 21.7% [95% CI 4.9-38.5%] and 100%; 69.6% [95% CI 50.8-88.4%] and 100% for LST; 95.7% [95% CI 87.4-100%] and 100% for biopsy PCR; and 95.7% [95% CI 87.4-100%] and 90% [95% CI 71.4-100%] for cytology brush PCR using both Cervisoft® and Histobrush® cervical cytology brushes. Represented species identified by PCR-RFLP included: L. (V). braziliensis (n = 4), and L. (V). peruviana (n = 3). CONCLUSIONS: Use of commercial grade cytology brush PCR for diagnosis of ML is sensitive, rapid, well tolerated, and carries none of the risks of invasive diagnostic procedures such as biopsy. Further optimization is required for adequate species identification. Further evaluation of this method in field and other settings is warranted.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».