Pediatric tuberculosis detection using trained African giant pouched rats
Notice bibliographique
Résumé
BACKGROUND: Tuberculosis (TB) diagnosis in children is a challenge with up to 94% of children with TB treated empirically in TB high-burden countries. Therefore, new diagnostic tests are needed for TB diagnosis. We determined the performance of trained rats in the diagnosis of pediatric TB and whether they can improve detection rate compared to the standard of care. METHODS: Presumptive TB patients in 24 TB clinics in Tanzania were tested. Samples indicated as TB-positive by rats underwent confirmation by concentrated smear microscopy. TB yield of bacteriologically confirmed pediatric TB patients (≤5 years) was compared with yield of standard of care. RESULTS: Sputum samples from 55,148 presumptive TB patients were tested. Nine hundred eighty-two (1.8%) were the children between 1 and 5 years. Clinics detected 34 bacteriologically positive children, whereas rats detected additional 23 children yielding 57 bacteriologically TB-positive children. Rats increased pediatric TB detection by 67.6%. Among 1-14-year-old children, clinics detected 331 bacteriologically positive TB whereas rats found the additional 208 children with TB that were missed by clinics. Relative increase in TB case detection by rats decreased with the increase in age (P<0.0001). CONCLUSION: Trained rats increase pediatric TB detection significantly and could help address the pediatric TB diagnosis challenges. Further determination of accuracy of rats involving other sample types is still needed.
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».