Performance of metabonomic serum analysis for diagnostics in paediatric tuberculosis
Notice bibliographique
Résumé
Abstract We applied a metabonomic strategy to identify host biomarkers in serum to diagnose paediatric tuberculosis (TB) disease. 112 symptomatic children with presumptive TB were recruited in The Gambia and classified as bacteriologically-confirmed TB, clinically diagnosed TB, or other diseases. Sera were analysed using 1H nuclear magnetic resonance (NMR) spectroscopy and mass spectrometry (MS). Multivariate data analysis was used to distinguish patients with TB from other diseases. Diagnostic accuracy was evaluated using Receiver Operating Characteristic (ROC) curves. Model performance was tested in a validation cohort of 36 children from the UK. Data acquired using 1H NMR demonstrated a sensitivity, specificity and Area Under the Curve (AUC) of 69% (95% confidence interval [CI], 56–73%), 83% (95% CI, 73–93%), and 0.78 respectively, and correctly classified 20% of the validation cohort from the UK. The most discriminatory MS data showed a sensitivity of 67% (95% CI, 60–71%), specificity of 86% (95% CI, 75–93%) and an AUC of 0.78, correctly classifying 83% of the validation cohort. Amongst children with presumptive TB, metabolic profiling of sera distinguished bacteriologically-confirmed and clinical TB from other diseases. This novel approach yielded a diagnostic performance for paediatric TB comparable to that of Xpert MTB/RIF and interferon gamma release assays.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 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 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 ».