Systematic Review and Meta-Analysis of Antigen Detection Tests for the Diagnosis of Tuberculosis
Notice bibliographique
Résumé
Tests that detect Mycobacterium tuberculosis antigens in clinical specimens could provide rapid direct evidence of active disease. We performed a systematic review to assess the diagnostic accuracy of antigen detection tests for active tuberculosis (TB) according to standard methods and summarized test performance using bivariate random effects meta-analysis. Overall, study quality was a concern. For pulmonary TB (47 studies, 5,036 participants), sensitivity estimates ranged from 2% to 100% and specificity from 33% to 100%. Lipoarabinomannan (LAM) was the antigen most frequently targeted (23 studies, 49%). The pooled sensitivity of urine LAM was higher in HIV-infected than HIV-uninfected individuals (47%; 95% confidence interval [CI], 26 to 68% versus 14%; 95% CI, 4 to 38%); pooled specificity estimates were similar: 96%; 95% CI, 81 to 100% and 97%; 95% CI, 86 to 100%, respectively. For extrapulmonary TB (21 studies, 1,616 participants), sensitivity estimates ranged from 0% to 100% and specificity estimates from 62% to 100%. Five studies targeting LAM, ESAT-6, Ag85 complex, and the 65-kDa antigen in cerebrospinal fluid, when pooled, yielded the highest sensitivity (87%; 95% CI, 61 to 98%), but low specificity (84%; 95% CI, 60 to 95%). Because of the limited number of studies targeting any specific antigen other than LAM, we could not draw firm conclusions about the overall clinical usefulness of these tests. Further studies are warranted to determine the value of LAM detection for TB meningitis in high-HIV-prevalence settings. Considering that antigen detection tests could be translated into rapid point-of-care tests, research to improve their performance is urgently needed.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,016 | 0,004 |
| Bibliométrie | 0,000 | 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 ».