Clinical criteria for Mucosal Leishmaniasis diagnosis in rural South America: A systematic literature review
Notice bibliographique
Résumé
BACKGROUND: Mucosal Leishmaniasis (ML), a neglected tropical disease caused by Leishmania parasites, impairs the quality of life of under-resourced populations in South America. If not treated promptly, this disease progresses to facial deformities and death. The low sensitivity of microscopy results and the unavailability of other accurate tests hamper the diagnosis. As clinical criteria are readily available in any setting, these may be combined in a syndromic algorithm, which in turn can be used as a diagnostic tool. We explore potential clinical criteria for a syndromic diagnostic algorithm for ML in rural healthcare settings in South America. METHODOLOGY/PRINCIPAL FINDINGS: The protocol for this systematic review was pre-registered in PROSPERO with the number: CRD42017074148. In patients with ML, described in case series identified through a systematic retrieval process, we explored the cumulative ML detection rates of clinical criteria. Participants: all patients with active mucosal disease from an endemic area in South America. Any original, non-treatment study was eligible, and case reports were excluded. PUBMED, EMBASE, Web of Science, SCIELO, and LILACS databases were searched without restrictions. The risk of bias was assessed with the JBI checklist for case series. We included 10 full texts describing 192 ML patients. Male gender had the highest detection rate (88%), followed by ulcer of the nasal mucosa (77%), age >15 (69%), and symptom duration >4 months (63%). SIGNIFICANCE: Within this selection of patients, we found that the male gender, ulcer of the nasal mucosa, age >15, and symptom duration >4 months lead to the highest detection rates. However, higher detection comes -naturally- with a higher rate of false positives as well. As we only included ML patients, this could not be verified. Therefore, the criteria that we found to be most promising should be validated in a well-designed prospective study.
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 | 0,009 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,004 |
| Bibliométrie | 0,019 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».