Endoscopic ultrasound-guided biopsy for TB lymphadenopathy: role of PCR and Gene X-pert
Notice bibliographique
Résumé
Abstract Tuberculous lymphadenopathy presents a challenging diagnostic scenario, particularly in regions with high tuberculosis (TB) prevalence. Abdominal TB accounts for 10% of extrapulmonary TB cases. Diagnosing abdominal TB is difficult due to nonspecific clinical, radiological, and endoscopic findings. Blood and skin tests for TB exhibit variable sensitivities and specificities; therefore, histopathological diagnosis and molecular testing of tissue samples may provide greater accuracy than blood-based tests. Obtaining tissue samples under ultrasonographic or CT guidance can be difficult and risky, especially in intra-abdominal and mediastinal regions. Endoscopic ultrasound (EUS) and EUS-guided fine-needle biopsy (EUS-FNB) offer a safe technique for obtaining tissue samples for the diagnosis of abdominal and mediastinal TB. Comparative analyses of the Gene X-pert MTB/RIF assay and PCR techniques demonstrate nuanced diagnostic capabilities. Gene X-pert enables rapid molecular detection with high specificity for rifampicin resistance, whereas PCR facilitates molecular amplification of bacterial DNA. EUS provides the critical advantage of real-time imaging and precise tissue sampling. Several studies have found that EUS-FNB yields significantly higher diagnostic accuracy in complex TB presentations, with detection rates ranging from 78 to 92% across various anatomical sites. This review explores the diagnostic efficacy of molecular techniques, specifically polymerase chain reaction (PCR) and the Gene X-pert MTB/RIF assay, in detecting Mycobacterium tuberculosis in tissue samples obtained through EUS-FNB. Additionally, we evaluated the sensitivity, specificity, and rapid detection capabilities of these molecular methods compared to traditional diagnostic techniques. We further discussed whether molecular techniques such as PCR and Gene X-pert provide a powerful diagnostic strategy for TB lymphadenopathy in EUS-FNB tissue samples, thereby overcoming the limitations of conventional diagnostic methods.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».