Accuracy of Using a Point-of-Care Glucometer for Cerebrospinal Fluid Glucose Screening in Resource-Limited Countries
Notice bibliographique
Résumé
OBJECTIVES: To explore the accuracy of using a point-of-care (POC) glucometer for cerebrospinal fluid (CSF) glucose screening. METHODS: A cross-sectional study was conducted. A glucose analysis of CSF samples collected from infants <90 days with suspected meningitis was paired between tests by using a POC glucometer (POC-CSF glucose) and a laboratory glucose analysis (laboratory-CSF glucose). Accuracy and limits of agreement were compared, as well as the glucometer performance to detect a laboratory-CSF glucose level <45 and 60 mg/dL. RESULTS: Seventy-three CSF samples were analyzed. Subjects' mean gestational age was 32.2 (SD 4.0) weeks, the mean weight was 1947.7 (SD 814.5) g, and the median age was 8 (interquartile range: 2 to 19.5) days. POC-CSF glucose levels ranged from 26 to 126 mg/dL. The mean (±1.96 SD) difference between POC-CSF and laboratory-CSF glucose levels was -1.6 (interquartile range: -12.6 to 9.4) mg/dL. A POC-CSF glucose level <45 mg/dL has a sensitivity and negative predictive value (NPV) to detect a laboratory-CSF glucose level <45 mg/dL of 82% and 94%, respectively. For a laboratory-CSF glucose level <60 mg/dL, a POC glucose level <60 mg/dL provides a sensitivity and NPV of 96% and 90%, respectively, whereas sensitivity and NPV reach 100% at a POC glucose level <70 mg/dL. CONCLUSIONS: A POC glucometer for CSF glucose can detect a potential abnormal glucose level with an appropriate cutoff level. This may facilitate rapid decisions for empirical antibiotics in suspected meningitis, pending laboratory results in limited-resource settings, but requires robust validation in future studies before implementation.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,000 |
| 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 ».