Assessing accuracy of testing and diagnosis in cystic fibrosis
Notice bibliographique
Résumé
INTRODUCTION: Next to evaluating for defects in the cystic fibrosis transmembrane conductance regulator (CFTR) gene, diagnostic guidelines for cystic fibrosis (CF) include CFTR function tests. The primarily used sweat test and genetics generally produce straightforward CF diagnoses. However, a widened CF disease spectrum and large number of CFTR gene variants with unknown or varying clinical consequences shift reliance on CFTR functional tests to assess for CF or CFTR-related disease. Recently, CFTR functional tests are used to record efficiency of CFTR modulator drugs. AREAS COVERED: This review provides background and accuracy of the currently used CFTR functional tests, including the sweat test, nasal potential difference (NPD), and intestinal current measurements (ICM). We summarize published evidence addressing technical and biological reasons for test variability and test result in relation to CF-associated symptoms. EXPERT OPINION: The CFTR functional tests demonstrate high accuracy despite biological and technical variability. Data is scarce for ICM. Each test identifies CF from non-CF but show lower accuracy for individuals not fitting the classic CF diagnostic criteria. Adherence to standardized protocols is critical to improve test accuracy across different centers. Lastly, instead of relying on the single test results, diagnostic assessment should be based on integrating multiple functional and genetic test results.
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 | 0,003 | 0,090 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».