Noninvasive Approach of <i>Plasmodium falciparum</i> Molecular Detection for Malaria Surveillance in Malaria Endemic Areas in Cameroon
Notice bibliographique
Résumé
Background. Accurate, cost‐effective, and noninvasive alternative molecular methods are needed for detecting low malaria parasitemia. The currently‐used nested polymerase chain reaction (nPCR) requires blood as well as skilled personnel in order to minimise the risk of bloodborne disease transmission. Therefore, this study is aimed at assessing the accuracy of a noninvasive and more affordable malaria diagnosis with saliva using the loop‐mediated isothermal amplification (LAMP) technique. Methods. A cross‐sectional study was conducted in the Centre and Southwest regions of Cameroon. Matched blood and saliva samples collected from symptomatic and asymptomatic participants were tested for malaria using rapid diagnostic tests, microscopy, PCR, and LAMP. Statistics were performed using R studio software at 95% confidence interval. Results. A total of 100 participants (65% symptomatic and 35% asymptomatic) aged between 1 and 74 years with a balanced gender distribution ratio of 1.08 were included in our study. The prevalence of malaria was 61%, 57%, 59%, 42%, 35%, 17%, and 16% for blood‐RDT, blood‐PCR, blood‐LAMP, blood‐RT‐LAMP, saliva‐PCR, saliva‐RT‐LAMP, and saliva‐LAMP, respectively. Both saliva and blood showed a sensitivity of 43.90% and respective specificities of 68.75% and 57.62%. When using RT‐LAMP, sensitivities of 49.38% and 48.21% and specificities of 94.11% and 66.67% were recorded for saliva and blood, respectively. Sensitivities of 70.23% and 73.49% and specificities of 62.5% and 76.47% were recorded, respectively, for saliva‐LAMP and saliva‐RT‐LAMP when compared to saliva‐PCR as the gold standard. Saliva‐LAMP and saliva‐RT‐LAMP had a fair agreement (к = 0.221 and 0.352, respectively) with saliva‐PCR. Homemade LAMP and RT‐LAMP technologies match the WHO recommendations and after proper validation in a larger sample size, could serve for malaria diagnosis in developing countries.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,001 | 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 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 ».