Bacteriophage assays for rifampicin resistance detection in Mycobacterium tuberculosis: updated meta-analysis.
Notice bibliographique
Résumé
OBJECTIVE: To update a previously reported meta-analysis of evidence regarding the diagnostic accuracy and performance characteristics of commercial and non-commercial phage-based assays for the detection of rifampicin (RMP) resistant tuberculosis (TB). DESIGN AND OUTCOMES: We conducted a systematic review and meta-analysis of test accuracy using bivariate random effects regression and hierarchical summary receiver operating characteristics (HSROC) analysis. Tests included the commercial FASTPlaque assays, luciferase reporter phage (LRP) assays, and in-house phage amplification tests. Sensitivity and specificity for RMP resistance were the main outcomes. RESULTS: By updating previous literature searches, a total of 31 studies (with 3085 specimens) were included in this meta-analysis. Evaluations of commercial phage amplification assays yielded more variable estimates of sensitivity (range 81-100%) and specificity (range 73-100%) compared to evaluations of in-house amplification assays (sensitivity range 88-100%, specificity range 84-100%). LRP evaluations yielded the most consistent estimates of diagnostic accuracy, with seven of eight studies reporting 100% sensitivity and four of eight reporting 100% specificity. Estimates of accuracy failed to capture a major failing of the commercial assay, i.e., the rate of contaminated and indeterminate results. These ranged from 3% to 36% in studies looking at direct detection of RMP resistance from patient specimens (mean 20%). CONCLUSION: Phage-based assays will require further development to maximise interpretable results and reduce technical failures. Once technical issues are resolved, impact on patient-important outcomes and cost-effectiveness need to be determined to inform policy for widespread use.
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 | 0,031 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,014 | 0,049 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».