Evaluation of light emitting diode-based fluorescence microscopy for the detection of mycobacteria in a tuberculosis-endemic region
Notice bibliographique
Résumé
OBJECTIVES: To evaluate fluorescence microscopy (FM) using light emitting diode (LED) technology for the detection of acid-fast bacilli at a tertiary referral centre in Mumbai, India, a tuberculosis-endemic country. DESIGN: LED FM was introduced into a laboratory experienced with Ziehl-Neelsen (ZN) microscopy but unfamiliar with FM. It was evaluated in parallel with routine ZN microscopy services and compared with mycobacterial culture as a reference standard. RESULTS: A total of 1357 pulmonary and 917 extra-pulmonary specimens were examined during the study. LED FM had 78.3% sensitivity and 92.0% specificity against mycobacterial culture when using pulmonary specimens, and 34.0% sensitivity and 88.8% specificity for extra-pulmonary specimens. The mean time per smear examination was 2.48 min for ZN vs. 1.41 min for LED FM. Several biases in study design and operation identified during analysis, which are likely to lead to underestimates of LED FM accuracy, are discussed in the context of future LED FM evaluations. CONCLUSIONS: Although LED FM has significant benefits over both ZN microscopy and conventional FM, its implementation and validation may be prone to difficulties which could hamper evaluation of its performance. Adequate training and detailed standard operating procedures are important to maximise accuracy.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».