Performance of Clinical Algorithms for Smear-Negative Tuberculosis in HIV-Infected Persons in Ho Chi Minh City, Vietnam
Notice bibliographique
Résumé
Background. Tuberculosis (TB) disease diagnosis in Vietnam relies on symptom screening, chest radiography (CXR), and acid fast bacilli (AFB) sputum smear which have a poor sensitivity in HIV patients. We evaluated the performance of clinical algorithms in screening and diagnosing AFB smear-negative TB in HIV patients. Methods. We enrolled 399 HIV-positive patients seeking care at a HIV clinic in Ho Chi Minh City (HCMC), Vietnam. Participants' demographics, medical history, common TB symptoms, CXR, and laboratory tests were collected. Results. Of 399 HIV patients, 390 had initial AFB-negative smears and 22/390 patients had positive cultures. Symptom screening missed 54% (12/22) of smear-negative pulmonary TB (PTB) cases. Multivariate analysis found CD4+ cell level and CXR were significant PTB predictors. An algorithm combining four TB symptoms and TST presented a high sensitivity (100%), but poorly specific (24%) diagnostic performance for smear-negative PTB. Conclusion. Up to 54% of PTB cases in the HIV-infected population may be missed in the routine screening and diagnostic procedures used in Vietnam. Symptom screening was a poor overall diagnostic measure in detecting smear-negative TB in HIV patients. Our study results suggest that routine sputum cultures should be implemented to achieve a more accurate diagnosis of TB in HIV patients.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».