MétaCan
Menu
Retour à la cohorte
Enregistrement W3018765672 · doi:10.1155/2020/8074183

Gaps in Study Design for Immune Parameter Research for Latent Tuberculosis Infection: A Systematic Review

2020· review· en· W3018765672 sur OpenAlexaff
Mariana Herrera, Cristian Vera, Yoav Keynan, Zulma Vanessa Rueda

Notice bibliographique

RevueJournal of Immunology Research · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueTuberculosis Research and Epidemiology
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesUniversidad Pontificia BolivarianaUniversidad de AntioquiaDepartamento Administrativo de Ciencia, Tecnología e Innovación (COLCIENCIAS)
Mots-clésLatent tuberculosisTuberculosisImmune systemImmunologyMedicineMycobacterium tuberculosisPathology

Résumé

récupéré en direct d'OpenAlex

Background . Immune parameters (IP) have been extensively studied to distinguish between latent tuberculosis (LTBI) and active tuberculosis (TB). Objective . To determine the IP associated with LTBI, compared to active TB and individuals not infected by M. tuberculosis published in literature. Methods . We conducted a systematic search using Google Scholar and PubMed databases, combining the MeSH terms latent tuberculosis, Mycobacterium tuberculosis , cytokines, and biological markers, with the free terms, biomarkers and cytokines. Spanish, English, and Portuguese articles comparing the concentration of IP associated with LTBI, either in plasma/serum or in vitro, in adults and nonimmunocompromised versus individuals with TB or without M. tuberculosis infection between 2006 July and 2018 July were included. Two blinded reviewers carried out the searches, read the abstracts, and selected the articles for analysis. Participants’ information, diagnostic criteria, IP, detection methods, and biases were collected. Results . We analyzed 36 articles (of 637 abstracts) with 93 different biomarkers in different samples. We found 24 parameters that were increased only in active TB (TGF‐ α , CSF3, CSF2, CCL1 [I‐309], IL‐7, TGF‐ β 1, CCL3 [MIP‐1 α ], sIL‐2R, TNF‐ β , CCL7 [MCP‐3], IFN‐ α , fractalkine, I‐TAG, CCL8 [MCP‐2], CCL21 [6Ckine], PDGF, IL‐22, VEGF‐A, LXA4, PGE2, PGF2 α , sCD163, sCD14, and 15‐Epi‐LXA4), five were elevated in LTBI (IL‐5, IL‐17F, IL‐1, CCL20 [MIP‐3 α ], and ICAM‐1), and two substances were increased among uninfected individuals (IL‐23 and basic FGF). We found high heterogeneity between studies including failure to account for the time/illness of the individuals studied; varied samples and protocols; different clinical classification of TB; different laboratory methods for IP detection, which in turn leads to variable units of measurement and assay sensitivities; and selection bias regarding TST and booster effect. None of the studies adjusted the analysis for the effect of ethnicity. Conclusions . It is mandatory to harmonize the study of immune parameters for LTBI diagnosis. This systematic review is registered with PROSPERO CRD42017073289 .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,077
score de la tête « metaresearch » (Gemma)0,102
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,281
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0770,102
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0110,002
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,008
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,362
Tête enseignante GPT0,534
Écart entre enseignants0,172 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Immunology ResearchMême sujetTuberculosis Research and EpidemiologyTravaux en français237 207