Quantitative IFN-γ Release Assay and Tuberculin Skin Test Results to Predict Incident Tuberculosis. A Prospective Cohort Study
Notice bibliographique
Résumé
Abstract Rationale Development of diagnostic tools with improved predictive value for tuberculosis (TB) is a global research priority. Objectives We evaluated whether implementing higher diagnostic thresholds than currently recommended for QuantiFERON Gold-in-Tube (QFT-GIT), T-SPOT.TB, and the tuberculin skin test (TST) might improve prediction of incident TB. Methods Follow-up of a UK cohort of 9,610 adult TB contacts and recent migrants was extended by relinkage to national TB surveillance records (median follow-up 4.7 yr). Incidence rates and rate ratios, sensitivities, specificities, and predictive values for incident TB were calculated according to ordinal strata for quantitative results of QFT-GIT, T-SPOT.TB, and TST (with adjustment for prior bacillus Calmette-Guérin [BCG] vaccination). Measurements and Main Results For all tests, incidence rates and rate ratios increased with the magnitude of the test result (P < 0.0001). Over 3 years’ follow-up, there was a modest increase in positive predictive value with the higher thresholds (3.0% for QFT-GIT ≥0.35 IU/ml vs. 3.6% for ≥4.00 IU/ml; 3.4% for T-SPOT.TB ≥5 spots vs. 5.0% for ≥50 spots; and 3.1% for BCG-adjusted TST ≥5 mm vs. 4.3% for ≥15 mm). As thresholds increased, sensitivity to detect incident TB waned for all tests (61.0% for QFT-GIT ≥0.35 IU/ml vs. 23.2% for ≥4.00 IU/ml; 65.4% for T-SPOT.TB ≥5 spots vs. 27.2% for ≥50 spots; 69.7% for BCG-adjusted TST ≥5 mm vs. 28.1% for ≥15 mm). Conclusions Implementation of higher thresholds for QFT-GIT, T-SPOT.TB, and TST modestly increases positive predictive value for incident TB, but markedly reduces sensitivity. Novel biomarkers or validated multivariable risk algorithms are required to improve prediction of incident TB.
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 | 0,004 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».