MétaCan
Menu
Retour à la cohorte
Enregistrement W2075193623 · doi:10.5588/ijtld.12.0184

Multicentre evaluation of Ziehl-Neelsen and light-emitting diode fluorescence microscopy in China

2012· article· en· W2075193623 sur OpenAlexaff
Hui Xia, Y-Y. Song, Bing Zhao, KM Kam, Richard O’Brien, ZY Zhang, Hojoon Sohn, W Wang, Y-L Zhao

Notice bibliographique

RevueThe International Journal of Tuberculosis and Lung Disease · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensMcGill University
Organismes subventionnairesGovernment of Jiangsu Province
Mots-clésMedicineZiehl–Neelsen stainSputumNuclear medicineTuberculosisFluorescenceStainingPathologyOpticsAcid-fast

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To assess the feasibility of using light-emitting diode fluorescence microscopy (LED-FM) in peripheral laboratories in China. DESIGN: The performance of LED-FM and Ziehl-Neelsen (ZN) microscopy was compared on slides directly prepared from the sputum of tuberculosis (TB) suspects and follow-up patients on treatment. The examination time, fading of fluorescence-stained slides, average unit cost and qualitative user appraisal of LED-FM were also analysed. RESULTS: Among 11 276 slides, the smear-positive rate for LED-FM was 11.2% (1263/11 276), 2.6% (294/11 276) higher than that of ZN (8.6%, 969/11 276; χ(2) 263.5, P < 0.05). The examination time for LED-FM (120.0 ± 38.9 seconds) was shorter than that for ZN (206.3 ± 75.9 s; t = 28.12, P < 0.05). For smear fading, quantitative and qualitative errors occurred within respectively 7.8 and 7.7 weeks. The average unit costs for ZN and LED-FM were respectively US$2.20 ± 0.58 and US$1.97 ± 0.71 (t = 5.08, P < 0.05). LED-FM was accepted by most laboratory technicians. CONCLUSION: LED-FM compared favourably with ZN, with a higher smear-positive detection rate, a shorter examination time and lower unit examination cost. LED-FM may be an alternative to ZN as a cost-effective method for detecting bacilli in peripheral laboratories in China.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,369
Score d'incertitude au seuil0,191

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,258
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Tuberculosis and Lung DiseaseMême sujetBiosensors and Analytical DetectionTravaux en français237 207