MétaCan
Menu
Retour à la cohorte
Enregistrement W4225966415 · doi:10.1371/journal.pgph.0000116

Pooling sputum for Xpert MTB/RIF and Xpert Ultra testing during the Covid-19 pandemic in Lao People’s Democratic Republic

2022· article· en· W4225966415 sur OpenAlexfundno aff
Vibol Iem, Phonenaly Chittamany, Sakhone Suthepmany, Souvimone Siphanthong, Silaphet Somphavong, Konstantina Kontogianni, James Dodd, Jahangir Akber Mahmud Khan, José Domínguez, Tom Wingfield, Jacob Creswell, Luís E. Cuevas

Notice bibliographique

RevuePLOS Global Public Health · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensnon disponible
Organismes subventionnairesGlobal Affairs CanadaDepartment for International DevelopmentGlobal Fund to Fight AIDS, Tuberculosis and MalariaNational Institute for Health Research Health Protection Research UnitNational Institute for Health and Care ResearchAcademy of Medical SciencesWellcome TrustMedical Research CouncilWellcome
Mots-clésMedicineSputumPandemicPoolingTuberculosisCoronavirus disease 2019 (COVID-19)VirologyInternal medicinePathologyDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

The global Covid-19 pandemic has limited access to molecular TB diagnostics and National Programmes are struggling to maintain essential services. The pooling method (testing several samples together) could reduce the number of cartridges and staff time needed for TB diagnosis but has not been tested within the pandemic. We conducted two independent cross-sectional surveys. Pools composed of four sputum samples were tested using either Xpert-MTB/RIF or Xpert-Ultra. Pooled and individual results were compared to determine the level of agreement. Each survey included 840 participants and 210 pools. In the Xpert MTB/RIF survey, 77/81 (sensitivity 95.1%, 95%CI 87.8%-98.6%) pools containing ≥1 positive sample tested MTB-positive and 4/81 (4.9%, 95%CI 1.4%-12.2%) tested MTB-negative. All 129/129 pools containing MTB-negative samples tested MTB-negative (specificity 100%, 95%CI 97.2%-100%), with 98.1% agreement (Kappa: 0.959). In the Xpert-Ultra survey, 70/70 (sensitivity 100%, 95%CI 94.9%-100%) pools containing ≥ 1 MTB-positive sample tested MTB-positive and 140/140 (specificity 100%, 95%CI 97.4%-100%) pools containing only MTB-negative samples tested MTB-negative, with 100% agreement (Kappa: 1). Pooled testing with Xpert-MTB/RIF and Xpert-Ultra saved 38.3% and 41.7% (322/840 and 350/840, respectively) in cartridge costs alone. The pooling method with Xpert-MTB/RIF and Xpert-Ultra has similar performance to individual testing and can reduce the number of cartridges needed. These efficiencies can facilitate maintenance of stocks and sustain essential services as countries face difficulties for laboratory procurement during the pandemic and will provide cost and time savings post-pandemic.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,140
Tête enseignante GPT0,359
Écart entre enseignants0,218 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLOS Global Public HealthMême sujetSARS-CoV-2 detection and testingTravaux en français237 207