Systematic Review of the Performance of Rapid Rifampicin Resistance Testing for Drug-Resistant Tuberculosis
Notice bibliographique
Résumé
INTRODUCTION: Rapid tests for rifampicin resistance may be useful for identifying isolates at high risk of drug resistance, including multidrug-resistant TB (MDR-TB). However, choice of diagnostic test and prevalence of rifampicin resistance may both impact a diagnostic strategy for identifying drug resistant-TB. We performed a systematic review to evaluate the performance of WHO-endorsed rapid tests for rifampicin resistance detection. METHODS: We searched MEDLINE, Embase and the Cochrane Library through January 1, 2012. For each rapid test, we determined pooled sensitivity and specificity estimates using a hierarchical random effects model. Predictive values of the tests were determined at different prevalence rates of rifampicin resistance and MDR-TB. RESULTS: We identified 60 publications involving six different tests (INNO-LiPA Rif. TB assay, Genotype MTBDR assay, Genotype MTBDRplus assay, Colorimetric Redox Indicator (CRI) assay, Nitrate Reductase Assay (NRA) and MODS tests): for all tests, negative predictive values were high when rifampicin resistance prevalence was ≤ 30%. However, positive predictive values were considerably reduced for the INNO-LiPA Rif. TB assay, the MTBDRplus assay and MODS when rifampicin resistance prevalence was < 5%. LIMITATIONS: In many studies, it was unclear whether patient selection or index test performance could have introduced bias. In addition, we were unable to evaluate critical concentration thresholds for the colorimetric tests. DISCUSSION: Rapid tests for rifampicin resistance alone cannot accurately predict rifampicin resistance or MDR-TB in areas with a low prevalence of rifampicin resistance. However, in areas with a high prevalence of rifampicin resistance and MDR-TB, these tests may be a valuable component of an MDR-TB management strategy.
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 | 0,014 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,009 |
| Bibliométrie | 0,011 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».