Interferon γ–Release Assays for Diagnosis of Latent Tuberculosis in Healthcare Workers in Low-Incidence Settings: Pros and Cons
Notice bibliographique
Résumé
In well-resourced countries with a low incidence of tuberculosis (TB)16 (e.g., the US and Canada), a major focus of TB control efforts is the detection and treatment of latent TB infection (LTBI) to prevent reactivation to active TB disease. This approach is particularly relevant for healthcare workers (HCWs), and substantial resources are devoted to hospital TB-screening programs in low-incidence settings. Interferon γ–release assays (IGRAs), specifically the QuantiFERON-TB Gold In-Tube test (Cellestis) (QFT-GIT) and the T-SPOT.TB test (Oxford Immunotec), are used to detect and quantify the in vitro release of interferon γ from T cells stimulated by TB-specific antigens and can be used for LTBI diagnosis. Occupational-health and infection-control leaders in hospitals in low-incidence countries must decide whether to use IGRAs in their TB-screening programs in place of or in addition to the conventional tuberculin skin test (TST). This decision is complex, because IGRAs and the TST differ in terms of their costs and both their analytical and operational performance characteristics. Our understanding of the performance of these assays for baseline and serial testing in individuals with different risk factors for TB exposure and reactivation has been expanding rapidly. In this Q&A article, 5 experts in this field share their perspectives on the advantages and disadvantages of using IGRAs for screening HCWs for TB in settings of low TB incidence.
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 | 0,020 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 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) | 0,001 | 0,001 |
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 ».