Pneumococcal pneumonia prevalence among adults with severe acute respiratory illness in Thailand - comparison of Bayesian latent class modeling and conventional analysis
Notice bibliographique
Résumé
BACKGROUND: Determining the etiology of pneumonia is essential to guide public health interventions. Diagnostic test results, including from polymerase chain reaction (PCR) assays of upper respiratory tract specimens, have been used to estimate prevalence of pneumococcal pneumonia. However limitations in test sensitivity and specificity and the specimen types available make establishing a definitive diagnosis challenging. Prevalence estimates for pneumococcal pneumonia could be biased in the absence of a true gold standard reference test for detecting Streptococcus pneumoniae. METHODS: We conducted a case control study to identify etiologies of community acquired pneumonia (CAP) from April 2014 through August 2015 in Thailand. We estimated the prevalence of pneumococcal pneumonia among adults hospitalized for CAP using Bayesian latent class models (BLCMs) incorporating results of real-time polymerase chain reaction (qPCR) testing of upper respiratory tract specimens and a urine antigen test (UAT) from cases and controls. We compared the prevalence estimate to conventional analyses using only UAT as a reference test. RESULTS: The estimated prevalence of pneumococcal pneumonia was 8% (95% CI: 5-11%) by conventional analyses. By BLCM, we estimated the prevalence to be 10% (95% CrI: 7-16%) using binary qPCR and UAT results, and 11% (95% CrI: 7-17%) using binary UAT results and qPCR cycle threshold (Ct) values. CONCLUSIONS: BLCM suggests a > 25% higher prevalence of pneumococcal pneumonia than estimated by a conventional approach assuming UAT as a gold standard reference test. Higher quantities of pneumococcal DNA in the upper respiratory tract were associated with pneumococcal pneumonia in adults but the addition of a second specific pneumococcal test was required to accurately estimate disease status and prevalence. By incorporating the inherent uncertainty of diagnostic tests, BLCM can obtain more reliable estimates of disease status and improve understanding of underlying etiology.
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 | 0,016 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».