Diagnostic accuracy of point-of-care ultrasound for pulmonary tuberculosis: A systematic review
Notice bibliographique
Résumé
The advent of affordable, portable ultrasound devices has led to increasing interest in the use of point-of-care ultrasound (POCUS) for the detection of pulmonary TB (PTB). We undertook a systematic review of the diagnostic accuracy of POCUS for PTB. Five databases were searched for articles published between January 2010 and June 2020. Risk of bias was assessed using QUADAS-2. Data on sensitivity and specificity of individual lung ultrasound findings were collected, with variable reference standards including PCR and sputum smear microscopy. Six of 3,919 reviewed articles were included: five in adults and one in children, with a total sample size of 564. Studies had high risk of bias in many domains. In adults, subpleural nodule and lung consolidation were the lung ultrasound findings with the highest sensitivities, ranging from 72.5% to 100.0% and 46.7% to 80.4%, respectively. Only one study reported specificity data. Variability in sensitivity may be due to variable reference standards or may imply operator dependence. There is insufficient evidence to judge the diagnostic accuracy of POCUS for PTB. There is also no consensus on the optimal protocols for acquiring and analysing POCUS images for PTB. New studies which minimise potential sources of bias are required to further assess the diagnostic accuracy of POCUS for PTB.
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 | 0,001 | 0,090 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».