The performance of the interferon gamma assay when used as a diagnostic or quality assurance test in Mycobacterium bovis infected herds
Notice bibliographique
Résumé
There are two different contexts in the Irish bTB eradication programme in which the interferon-gamma assay (IFN-γ) is applied. Firstly, the IFN-γ assay is applied routinely to high risk cohorts in herds with four or more reactors to the SICTT. The IFN-γ test is then carried out on blood samples submitted to the laboratory within 8h of collection (diagnostic testing). Secondly, the use of the IFN-γ assay has recently been extended to test SICTT reactors as part of a general quality assurance (QA) scheme to monitor the performance of the SICTT. Blood samples from reactors are tested one day after blood collection (QA testing). In this study, we analysed the relative performance of the SICTT and IFN-γ when used in parallel as an 8h diagnostic test and as a 24h QA test on SICTT reactors. A total of 17,725 IFN-γ tests were included in the analysis (11,658 diagnostic tests and 6067 QA tests). Of the samples submitted for diagnostic testing, the proportion positive to IFN-γ decreased with the severity of interpretation of the SICTT result. Of the standard reactors that were tested with IFN-γ in the QA programme, 92.2% were positive to the IFN-γ test. Among animals that were SICTT -ve/IFN-γ +ve, 18.9% were positive at post-mortem compared to 11.8% of those that were SICTT +ve (standard reactor)/IFN-γ -ve. These results highlight the risk associated with retaining SICTT -ve/IFN-γ +ve animals, and suggest that prompt removal of these animals is necessary to reduce the potential for future transmission.
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 | 0,003 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».