Serial testing for latent tuberculosis using QuantiFERON-TB Gold In-Tube: A Markov model
Notice bibliographique
Résumé
Healthcare workers (HCWs) in low-incidence settings are often serially tested for latent TB infection (LTBI) with the QuantiFERON-TB Gold In-Tube (QFT) assay, which exhibits frequent conversions and reversions. The clinical impact of such variability on serial testing remains unknown. We used a microsimulation Markov model that accounts for major sources of variability to project diagnostic outcomes in a simulated North American HCW cohort. Serial testing using a single QFT with the recommended conversion cutoff (IFN-g > 0.35 IU/mL) resulted in 24.6% (95% uncertainty range, UR: 23.8-25.5) of the entire population testing false-positive over ten years. Raising the cutoff to >1.0 IU/mL or confirming initial positive results with a (presumed independent) second test reduced this false-positive percentage to 2.3% (95%UR: 2.0-2.6%) or 4.1% (95%UR: 3.7-4.5%), but also reduced the proportion of true incident infections detected within the first year of infection from 76.5% (95%UR: 66.3-84.6%) to 54.8% (95%UR: 44.6-64.5%) or 61.5% (95%UR: 51.6-70.9%), respectively. Serial QFT testing of HCWs in North America may result in tremendous over-diagnosis and over-treatment of LTBI, with nearly thirty false-positives for every true infection diagnosed. Using higher cutoffs for conversion or confirmatory tests (for initial positives) can mitigate these effects, but will also diagnose fewer true infections.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».