MétaCan
Menu
← Retour à la cohorte
Enregistrement W2889043754 · doi:10.1371/journal.pone.0202085

Upfront Xpert MTB/RIF testing on various specimen types for presumptive infant TB cases for early and appropriate treatment initiation

2018· article· en· W2889043754 sur OpenAlexaff
Neeraj Raizada, Sunil Khaparde, Raghuram Rao, Aakshi Kalra, Sanjay Sarin, Virender Singh Salhotra, Soumya Swaminathan, Ashwani Khanna, Kamal Kishore Chopra, Mahmud Hanif, Varinder Singh, K. R. Umadevi, Sreenivas Achuthan Nair, Sophie Huddart, Rajneesh Tripathi, Chandra Prakash, Bijit Saha, Claudia M. Denkinger, Catharina Boehme

Notice bibliographique

RevuePLoS ONE · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueTuberculosis Research and Epidemiology
Établissements canadiensMcGill University
Organismes subventionnairesWorld Health OrganizationUnited States Agency for International Development
Mots-clésMedicineSputumTuberculosisPulmonary tuberculosisDiagnostic testPediatricsGeneXpert MTB/RIFMycobacterium tuberculosisInternal medicineIntensive care medicinePathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Diagnosis of tuberculosis (TB) in infants is challenging due to non-specific clinical presentations of the disease in this age-group and low sensitivity of widely available TB diagnostic tools, which in turn delays prompt access to TB treatment. Upfront access to Xpert/MTB RIF (Xpert) testing, a highly sensitive and specific rapid diagnostic tool, could potentially address some of these challenges. Under the current project, we assessed the utility and feasibility of applying upfront Xpert for diagnosis of tuberculosis in infants, including for testing of non-sputum specimens. METHODS: A high throughput lab was established in each of the four project cities, and linked to various health care providers across the city, through rapid specimen transportation and electronic reporting linkages. Free Xpert testing was offered to all infant (<2 years of age) presumptive TB cases (both pulmonary and extra-pulmonary) seeking care at public and private health facilities. RESULTS: A total of 7,994 presumptive infant TB cases were enrolled in the project from April 2014 to October 2016, detecting 465 (5.8%, CI: 5.3-6.4) TB cases. The majority (93.9%; CI: 93.4-94.4) of patient specimens were non-sputum and TB positivity was higher amongst non-sputum specimens. Further, a high proportion (5.6% CI 3.8-8.1) of infant TB cases were found to be rifampicin resistant. Covering large cities with a single lab per city over more than two years, the project demonstrated the feasibility of same-day diagnosis with upfront Xpert testing. This in turn led to prompt treatment initiation, with a two-day median turnaround time to treatment initiation. Case mortality observed in the project cohort of diagnosed TB cases was 11.0% (CI 8.4-14.1), the majority of which was pre- or early treatment mortality, in spite of prompt access to treatment for most diagnosed cases. CONCLUSION: The current project demonstrated the feasibility of applying rapid and upfront Xpert testing for presumptive infant TB cases. Rapid TB diagnosis in turn facilitates prompt and appropriate treatment initiation. Further, levels of rifampicin resistance observed in infants TB cases highlight the additional benefit of upfront resistance testing. However, high rates of early case mortality, in spite of prompt diagnosis and treatment initiation, highlight the need for further research in infant patient pathways for overall improvement in TB care for infant populations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,196
Tête enseignante GPT0,352
Écart entre enseignants0,156 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetTuberculosis Research and Epidemiology→Travaux en français237 207→