Urine Lipoarabinomannan for Tuberculosis Diagnosis: Evolution and Prospects
Notice bibliographique
Résumé
Tuberculosis (TB)4 affects over 10 million people and kills 1.7 million each year. This devastating epidemic is unacceptable, as, given correct diagnosis and timely initiation of treatment, TB is curable. Unfortunately, case detection is the weakest step in the cascade of care, and about 40% of TB patients are either not diagnosed or not reported to the health system. This is partly attributable to limitations of existing diagnostics, which are either inaccurate or inaccessible, particularly at the primary care level, where most patients begin seeking care with nonspecific symptoms such as cough and fever. A simple diagnostic test that can be performed at the point of care (POC) in primary care settings has been near the top of the TB community's wish list for many years, and the WHO has published target product profiles (TPPs) with detailed specifications for such a test (1). While no existing TB test meets all POC TB test TPP requirements, the rapid urine lipoarabinomannan (LAM) detection test comes close because of its simplicity, low cost, and ability to be used in decentralized settings. LAM is a component of the cell wall of Mycobacterium tuberculosis, the causal agent of TB, and only one LAM-based commercial assay currently exists, the Determine TB LAM Ag (Alere Inc.). The Determine TB LAM Ag is an inexpensive lateral flow assay that detects LAM from a urine sample in 30 min. The assay is noninvasive and does not require a laboratory or technical equipment. The healthcare worker places 60 μL of a urine sample onto one end of the strip test and a positive result appears at the other end as a band within 30 min. Initially, it was hoped that …
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».