The Diagnostic Accuracy of Tests for Latent Tuberculosis Infection in Hemodialysis Patients
Notice bibliographique
Résumé
BACKGROUND: Reactivation of latent Mycobacterium tuberculosis infection is an important health concern for patients on hemodialysis because of their immunosuppressed state and in kidney transplant patients receiving immunosuppressive therapy to prevent organ rejection. There are several tests available to determine the presence of latent tuberculosis infection: the tuberculin skin test (TST), QuantiFERON-TB Gold (QFT-G), and T-SPOT.TB. The objective of this study is to evaluate the diagnostic accuracy of these tests in determining latent tuberculosis infection in the hemodialysis population. METHODS: The study design was a systematic review. We selected studies with adequate information to ascertain test sensitivity or specificity of the TST, QFT-G, and TSPOT.TB with regards to determining latent tuberculosis infection in the hemodialysis population. RESULTS: One hundred two articles were selected for full review, and 17 were included in the meta-analysis. The TST had a pooled sensitivity of 31% (26%-36%, 95% confidence interval) and specificity of 63% (60%-65%) across eight studies. The QFT-G test had a pooled sensitivity of 53% (46%-59%) and specificity of 69% (65%-72%) across nine studies. The T-SPOT.TB test had a pooled sensitivity of 50% (42%-59%) and specificity of 67% (61%-73%) across three studies. CONCLUSION: The QFT-G and the T-SPOT.TB tests were more sensitive than the TST for diagnosis of latent tuberculosis infection in patients on hemodialysis while offering a comparable level of specificity. This systematic review calls into question the practice of using the TST to screen in this population, especially in patients considered for kidney transplantation.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».