The impact of chest radiography and Xpert MTB/RIF testing among household contacts in Chennai, India
Notice bibliographique
Résumé
Tuberculosis prevalence surveys have demonstrated the benefit of screening with chest x-ray (CXR) and sensitive diagnostic tests compared to symptoms and smear microscopy. However, in programmatic practice there is little evidence on the yield of different algorithms. We implemented contact tracing in Chennai, India for adult sputum-positive TB patients registered from January 2015 to March 2016. Patients with symptoms or abnormal X-ray findings further underwent testing using Xpert MTB/RIF (Xpert) and smear microscopy. A retrospective cohort study was done to summarize the key findings. We verbally screened 5553 contacts for symptoms, CXR through private sector collaboration, Xpert, and smear microscopy. Overall, 1312 (23.6%) contacts screened positive. CXR alone identified 531 (40.5%) of them, 679 (51.8%) were symptom-positive only, while 102 (7.8%) were positive on both the symptom and CXR screen. Overall, 35 bacteriologically positive cases were identified (0.7%). A standard approach of symptoms screening followed by microscopy identified only 9 (25.7%) of the total number of bacteriologically positive cases, whereas the combination of a CRX screening followed by microscopy identified 13 (37.1%) of the cases. The algorithm of symptoms screening followed by Xpert testing, detected 20 cases, whereas the combination of symptoms and CXR followed by Xpert increased this number to 35 (75% increase compared to symptoms and Xpert). Optimal use of more sensitive screening tests, better diagnostic tests, and novel private sector engagement can improve diagnostic yield in a programmatic setting.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».