Evaluation of a Low-Cost Method, the Guava EasyCD4 Assay, to Enumerate CD4-Positive Lymphocyte Counts in HIV-Infected Patients in the United States and Uganda
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the EasyCD4 assay, a less expensive method to enumerate CD4+ lymphocytes, in resource-limited settings. DESIGN: Cross-sectional study conducted in the United States and Uganda. METHODS: We compared CD4+ cell counts obtained on replicate samples from HIV-infected patients by the EasyCD4 assay, a microcapillary flow-based system, and by standard flow cytometry or FACSCount with linear regression and the Bland-Altman method. RESULTS: Two hundred eighteen samples were analyzed (77 in the United States and 141 in Uganda). In the United States, mean +/- SD CD4 was 697 +/- 438 cells/microL by standard flow cytometry and 688 +/- 451 cells/microL by EasyCD4. In Uganda, the mean +/- SD CD4 was 335 +/- 331 cells/microL by FACSCount and 340 +/- 327 cells/microL by EasyCD4. The 2 methods were highly correlated (US cohort, r2 = 0.97, slope = 1.0, intercept = -18; Ugandan cohort, r2 = 0.92; slope = 0.95; intercept = 23). The mean differences in CD4 cell counts were 9.0 and -4.6 cells/microL for the US and Ugandan cohorts, respectively, and they were not significant in either cohort. In the Ugandan cohort, sensitivity and specificity of the EasyCD4 for CD4 below 200 cells/microL were 90% and 98%, respectively. Positive predictive value was 96%; negative predictive value was 93%. CONCLUSIONS: Our results suggest that EasyCD4 may be used with high positive and negative predictive value in resource-limited settings.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».