Laboratory methods for case finding in human psittacosis outbreaks: a systematic review
Notice bibliographique
Résumé
BACKGROUND: Psittacosis outbreak investigations require rapid identification of cases in order to trace possible sources and perform public health risk assessments. In recent outbreaks in the Netherlands, such investigations were hampered by the non-specificity of laboratory testing methods to identify human Chlamydia psittaci infections. METHOD: A systematic search of PubMed and Scopus databases of literature published between 01 January, 1986 and 03 July, 2017 was done to find best practices of laboratory-testing methods used in psittacosis outbreaks of two or more human cases. Reference lists of included articles were hand searched to identify additional articles. RESULTS: Thirty-seven eligible articles were identified, describing 44 human psittacosis outbreaks in 12 countries. Laboratory tests performed were PCR (with various targets), serologic tests (complement binding reactions, ELISA's, immunofluorescence tests and immuno-peroxidase tests) and culture, in various combinations. The literature provided no 'gold standard' laboratory testing strategy to identify recent human C. psittaci infections. In most psittacosis outbreaks, for a considerable number of cases (or tested individuals in an exposed cohort), C. psittaci infection could not be confirmed, nor excluded as causative pathogen. None of the testing strategies was found to be suitable for (nearly) full case finding. CONCLUSION: PCR enables rapid identification of human psittacosis patients and helps source finding by genotyping but has the disadvantage that sensitivity is high only in the acute phase. In outbreak situations, there is often a time delay and therefore, there is a need for new serologic testing methods next to PCR, with good specificity and sensitivity. Moreover, serum is easier to collect than the preferred diagnostic materials for PCR. A serologic test that can reliably confirm infection status without the necessity of convalescent serum sampling would enhance case finding, source tracing, identification of risk factors and assessment of burden of disease in various settings.
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 | 0,010 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,022 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».