Incremental value of T-SPOT.<i>TB</i>for diagnosis of active pulmonary tuberculosis in children in a high-burden setting: a multivariable analysis
Notice bibliographique
Résumé
INTRODUCTION: Interferon γ release assays (IGRAs) are increasingly used for tuberculosis (TB) infection, but their incremental value beyond patient demographics, clinical signs and conventional tests for active disease has not been evaluated in children. METHODS: The incremental value of T-SPOT.TB was assessed in 491 smear-negative children from two hospitals in Cape Town, South Africa. Bayesian model averaging was used to select the optimal set of patient demographics and clinical signs for predicting culture-confirmed TB. The added value of T-SPOT.TB over and above patient characteristics and conventional tests was measured using statistics such as the difference in the area under the receiver operating characteristic curve (AUC), the net reclassification improvement (NRI) and the integrated discrimination improvement (IDI). RESULTS: Cough longer than 2 weeks, fever longer than 2 weeks, night sweats, malaise, history of household contact and HIV status were the most important predictors of culture-confirmed TB. Binary T-SPOT.TB results did not have incremental value when added to the baseline model with clinical predictors, chest radiography and the tuberculin skin test. The AUC difference was 3% (95% CI 0% to 7%). Using risk cut-offs of <10%, 10-30% and >30%, the NRI was 7% (95% CI -8% to 31%) but the CI included the null value. The IDI was 3% (95% CI 0% to 11%), meaning that the average predicted probability across all possible cut-offs improved marginally by 3%. CONCLUSIONS: In a high-burden setting, the T-SPOT.TB did not have added value beyond clinical data and conventional tests for diagnosis of TB disease in smear-negative children.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».