Diagnostic Test Accuracy of Commercial Tests for Detection of Shiga Toxin–Producing Escherichia coli: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: Rapid detection of Shiga toxin-producing Escherichia coli (STEC) enables appropriate monitoring and treatment. We synthesized available evidence to compare the performance of enzyme immunoassay (EIA) and PCR tests for the detection of STEC. METHODS: We searched published and gray literature for studies of STEC EIA and/or PCR diagnostic test accuracy relative to reference standards including at least one nucleic acid amplification test. Two reviewers independently screened studies, extracted data, and assessed quality with the second version of the Quality Assessment of Diagnostic Accuracy Studies (QUADAS-2) tool. Bivariate random effects models were used to meta-analyze the clinical sensitivity and specificity of commercial EIA and PCR STEC diagnostic tests, and summary receiver operator characteristic curves were constructed. We evaluated the certainty of evidence with the Grading of Recommendations Assessment, Development and Evaluation (GRADE) approach. RESULTS: We identified 43 articles reflecting 25 260 specimens. Meta-analysis of EIA and PCR accuracy included 25 and 22 articles, respectively. STEC EIA pooled sensitivity and specificity were 0.681 (95% CI, 0.571-0.773; very low certainty of evidence) and 1.00 (95% CI, 0.998-1.00; moderate certainty of evidence), respectively. STEC PCR pooled sensitivity and specificity were 1.00 (95% CI, 0.904-1.00; low certainty of evidence) and 0.999 (95% CI, 0.997-0.999; low certainty of evidence), respectively. Certainty of evidence was downgraded because of high risk of bias. CONCLUSIONS: PCR tests to identify the presence of STEC are more sensitive than EIA tests, with no meaningful loss of specificity. However, given the low certainty of evidence, our results may overestimate the difference in performance.
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 | 0,002 | 0,151 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».