Biomarkers That Correlate with Active Pulmonary Tuberculosis Treatment Response: a Systematic Review and Meta-analysis
Notice bibliographique
Résumé
Current WHO recommendations for monitoring treatment response in adult pulmonary tuberculosis (TB) are sputum smear microscopy and/or culture conversion at the end of the intensive phase of treatment. These methods either have suboptimal accuracy or a long turnaround time. There is a need to identify alternative biomarkers to monitor TB treatment response. We conducted a systematic review of active pulmonary TB treatment monitoring biomarkers. We screened 9,739 articles published between 1 January 2008 and 31 December 2020, of which 77 met the inclusion criteria. When studies quantitatively reported biomarker levels, we meta-analyzed the average fold change in biomarkers from pretreatment to week 8 of treatment. We also performed a meta-analysis pooling the fold change since the previous time point collected. A total of 81 biomarkers were identified from 77 studies. Overall, these studies exhibited extensive heterogeneity with regard to TB treatment monitoring study design and data reporting. Among the biomarkers identified, C-reactive protein (CRP), interleukin-6 (IL-6), interferon gamma-induced protein 10 (IP-10), and tumor necrosis factor alpha (TNF-α) had sufficient data to analyze fold changes. All four biomarker levels decreased during the first 8 weeks of treatment relative to baseline and relative to previous time points collected. Based on limited data available, CRP, IL-6, IP-10, and TNF-α have been identified as biomarkers that should be further explored in the context of TB treatment monitoring. The extensive heterogeneity in TB treatment monitoring study design and reporting is a major barrier to evaluating the performance of novel biomarkers and tools for this use case. Guidance for designing and reporting treatment monitoring studies is urgently needed.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».