Tumor necrosis factor α level in cerebrospinal fluid for bacterial and aseptic meningitis: a diagnostic meta‐analysis
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: In our previous study, tumor necrosis factor α (TNF-α) was identified as an effective target for sepsis patients (Int J Clin Pract, 68, 2014, 520). TNF-α in cerebrospinal fluid (CSF) was also investigated for its utility in the differential diagnosis of bacterial and aseptic meningitis. However, there has been neither definite nor convincing evidence so far. Here the overall diagnostic accuracy of TNF-α in differentiation between bacterial and aseptic meningitis was evaluated through the meta-analysis of diagnostic tests. METHODS: The sensitivity, specificity and other measures of accuracy were pooled using random effect models. Summary receiver operating characteristic curves were used to assess overall test performance. Publication bias was evaluated using funnel plots, and sensitivity analysis was also introduced. RESULTS: A total of 21 studies involving bacterial meningitis (678) and aseptic meningitis (694) involved a total of 1372 patients. The pooled sensitivity and specificity for the TNF-α test were 0.83 [95% confidence interval (CI) 0.80-0.86, I(2) = 65.1] and 0.92 (95% CI 0.89-0.94, I(2) = 61.8), respectively. The positive likelihood ratio was 12.05 (95% CI 7.41-19.60, I(2) = 36.5), the negative likelihood ratio was 0.17 (95% CI 0.13-0.24, I(2) = 59.4), and TNF-α was significantly associated with bacterial meningitis, with a diagnostic odds ratio of 49.84 (95% CI 28.53-87.06, I(2) = 47.9). The overall accuracy of the TNF-α test was very high with the area under the curve 0.9317. Publication bias was absent, and sensitivity analysis suggested that our results were highly stable. CONCLUSIONS: Our meta-analysis suggested that TNF-α could be recommended as a useful marker for diagnosis of bacterial meningitis and differential diagnosis between bacterial and aseptic meningitis with high sensitivity and specificity. Thus, hospitals should be encouraged to conduct TNF-α tests in CSF after lumbar puncture.
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 | 0,025 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,013 | 0,062 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».