Accuracy of Xpert Ultra for the diagnosis of paediatric tuberculosis in a low TB burden country: a prospective multicentre study
Notice bibliographique
Résumé
INTRODUCTION: Childhood pulmonary tuberculosis (TB) remains a diagnostic challenge. This study aimed to evaluate the performance of Xpert Ultra for the diagnosis of pulmonary TB in children in a low TB prevalence setting. METHODS: Prospective, multicentre, diagnostic accuracy study. Children with clinical or radiological suspicion of pulmonary TB were recruited at 11 paediatric units in Spain. Up to three gastric or sputum specimens were taken on 3 consecutive days, and analysed by Xpert MTB/RIF, Xpert Ultra and culture in parallel. RESULTS: 86 children were included (median age 4.9 years, IQR 2.0-10.0; 51.2% male). The final diagnosis was pulmonary TB in 75 patients (87.2%); 33 (44.0%) were microbiologically confirmed. A total of 219 specimens, comprising gastric aspirates (n=194; 88.6%) and sputum specimens (n=25; 11.4%), were analysed. Using culture as reference standard and comparing individual specimens, the sensitivity was 37.8% (14/37) for Xpert MTB/RIF and 81.1% (30/37) for Xpert Ultra (p<0.001); specificity was 98.4% (179/182) and 93.4% (170/182), respectively (p=0.02). In the per-patient analysis, considering positive results on any specimen, the sensitivity was 42.9% (9/21) for Xpert MTB/RIF and 81.0% for Xpert Ultra (17/21, p=0.01); specificity was 96.9% (63/65) and 87.7% (57/65, p=0.07), respectively. CONCLUSIONS: In children with pulmonary TB in a low burden setting, Xpert Ultra has significantly higher sensitivity than the previous generation of Xpert assay and only marginally lower specificity. Therefore, in children undergoing evaluation for suspected pulmonary TB, Xpert Ultra should be used in preference to Xpert MTB/RIF whenever possible.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 ».