Sweat conductivity for diagnosing cystic fibrosis after positive newborn screening: prospective, diagnostic test accuracy study
Notice bibliographique
Résumé
OBJECTIVE: To assess the accuracy of sweat conductivity among newborns and very young infants. DESIGN: Prospective, population-based, diagnostic test accuracy study. SETTING: Public Statewide Newborn Screening Programme where the incidence rate of cystic fibrosis (CF) is ≈1:11 000. PATIENTS: Newborns and very young infants with positive two-tiered immunoreactive trypsinogen. INTERVENTIONS: Sweat conductivity and sweat chloride were performed simultaneously, on the same day and facility by independent technicians, with the cut-off values of 80 mmol/L and 60 mmol/L, respectively. MAIN OUTCOME MEASURES: Sensitivity, specificity, positive and negative predictive values (PPV and NPV), overall accuracy, positive and negative likelihood ratios (+LR, -LR) and post (sweat conductivity (SC)) test probability were calculated to assess SC performance. RESULTS: 1193 participants were included, 68 with and 1108 without CF, and 17 with intermediate values. The mean (SD) age was 48 (19.2) days, ranging from 15 to 90 days. SC yielded sensitivity of 98.5% (95% CI 95.7 to 100), specificity of 99.9% (95% CI 99.7 to 100), PPV of 98.5% (95% CI 95.7 to 100) and NPV of 99.9% (95% CI 99.7 to 100), overall accuracy of 99.8% (95% CI 99.6 to 100), +LR of 1091.7 (95% CI 153.8 to 7744.9) and -LR of 0.01 (95% CI 0.00 to 0.10). After a positive and negative sweat conductivity result, the patient's probability of CF increases around 350 times and drops to virtually zero, respectively. CONCLUSION: Sweat conductivity had excellent accuracy in ruling in or ruling out CF after positive two-tiered immunoreactive trypsinogen among newborns and very young infants.
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 | 0,000 | 0,032 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».