Chlamydia antibody testing and diagnosing tubal pathology in subfertile women: an individual patient data meta-analysis
Notice bibliographique
Résumé
BACKGROUND: The Chlamydia IgG antibody test (CAT) shows considerable variations in reported estimates of test accuracy, partly because of the use of different assays and cut-off values. The aim of this study was to reassess the accuracy of CAT in diagnosing tubal pathology by individual patient data (IPD) meta-analysis for three different CAT assays. METHODS: We approached authors of primary studies that used micro-immunofluorescence tests (MIF), immunofluorescence tests (IF) or enzyme-linked immunosorbent assay tests (ELISA). Using the obtained IPD, we performed pooled receiver operator characteristics analysis and logistic regression analysis with a random effects model to compare the three assays. Tubal pathology was defined as either any tubal obstruction or bilateral tubal obstruction. RESULTS: We acquired data of 14 primary studies containing data of 6191 women, of which data of 3453 women were available for analysis. The areas under the curve for ELISA, IF and MIF were 0.64, 0.65 and 0.75, respectively (P-value < 0.001) for any tubal pathology and 0.66, 0.66 and 0.77, respectively (P-value = 0.01) for bilateral tubal pathology. CONCLUSIONS: In Chlamydia antibody testing, MIF is superior in the assessment of tubal pathology. In the initial screen for tubal pathology MIF should therefore be the test of first choice.
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 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,023 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».