Diagnosing tuberculosis in hospitalized HIV-infected individuals who cannot produce sputum: is urine lipoarabinomannan testing the answer?
Notice bibliographique
Résumé
BACKGROUND: Up to one third of HIV-infected individuals with suspected TB are sputum-scarce. The Alere Determine™ TB LAM Ag lateral flow strip test can be used to diagnose TB in HIV-infected patients with advanced immunosuppression. However, how urine LAM testing should be incorporated into testing algorithms and in the context of specific patient sub-groups remains unclear. METHODS: This study represents a post hoc sub-group analysis of data from a randomized multi-center parent study. The study population consisted of hospitalized HIV-infected patients with suspected TB who were unable to produce sputum and who underwent urine LAM testing. The diagnostic utility of urine LAM for TB in this group was compared to the performance of urine LAM in patients who did produce a sputum sample in the parent study. RESULTS: There were a total of 187 and 2341 patients in the sputum-scarce and sputum-producing cohorts, respectively. 80 of the sputum-scarce patients underwent testing with urine LAM. In comparison to those who did produce sputum, sputum-scarce patients had a younger age, a lower Karnofsky performance score, and a lower weight and BMI at admission. A greater proportion of sputum-scarce patients were urine LAM positive, compared to those who were able to produce sputum (31% vs. 21%, p = 0.04). A higher proportion of sputum-scarce patients died within 8 weeks of admission (32% vs. 24%, p = 0.013). We inferred that 19% of HIV-infected sputum-scarce patients suspected of TB were diagnosed with tuberculosis by urine LAM testing, with an estimated positive predictive value of 63% (95% CI 43-82%). CONCLUSIONS: Urine LAM testing can effectively identify tuberculosis in HIV-infected patients who are at a higher risk of mortality yet are unable to generate a sputum sample for diagnostic testing. Our findings support the use of urine LAM testing in sputum-scarce hospitalized HIV-infected patients, and its incorporation into diagnostic algorithms for this patient population.
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 | 0,005 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».