Pooling sputum samples for Xpert® MTB/RIF and Xpert® Ultra testing for TB diagnosis
Notice bibliographique
Résumé
BACKGROUND: The use of molecular amplification as-says for TB diagnosis is limited by their costs and cartridge stocks. Pooling multiple samples to test them together is reported to have similar accuracy to individual testing and to save costs. METHODS: Two surveys of individuals with presumptive TB were conducted to assess the performance of pooled testing using Xpert® MTB/RIF (MTB/RIF) and Xpert® Ultra (Ultra). RESULTS: A total of 500 individuals were tested using MTB/RIF, with 72 (14.4%) being MTB-positive. The samples were tested in 125 pools, with 50 pools having 1 MTB-positive and 75 only MTB-negative samples: 46/50 (92%, 95% CI 80.8–97.8) MTB-positive pools tested MTB-positive and 71/75 (94.7%, 95% CI 86.9–98.5) MTB-negative pools tested MTB-negative in the pooled test (agreement: 93.6%, κ = 0.867). Five hundred additional samples were tested using Ultra, with 60 (12%) being MTB-positive. Samples were tested in 125 pools, with 42 having 1 MTB-positive and 83 only MTB-negative samples: 35/42 (83.6%, 95% CI 68.6–93.0) MTB-positive pools tested MTB-positive and 82/83 (98.8%, 95% CI 93.5–100.0) MTB-negative pools tested MTB-negative in the pooled test (agreement: 93.6%, κ = 0.851; P > 0.1 between individual and pooled testing). Pooled testing saved 35% (MTB/RIF) and 46% (Ultra) of cartridges. CONCLUSIONS: Pooled and individual testing has a high level of agreement and improves testing efficiency.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».