Evaluation of the performance and feasibility of RLDT in detecting <i>Shigella</i> in a primary healthcare facility of rural Bangladesh
Notice bibliographique
Résumé
Abstract Shigellosis remains underdiagnosed due to the lack of rapid, reliable diagnostics. Although Shigella spp. is known for causing dysentery, over 50% of Shigella -associated cases are watery diarrhea. Identifying and treating these cases of watery diarrhea caused by Shigella could be lifesaving, which would require a point-of-care (POC) Shigella test. Evidence-based treatment could also reduce the overuse of antibiotics. We evaluated the feasibility and applicability of the Rapid LAMP-based Diagnostic Test (RLDT) assay for detecting shigellosis in a healthcare facility. Stool samples (n=228) were collected from children seeking facility care during diarrhea and on their follow-up visits from an ongoing case-control study, INSIGHT. The stool samples were tested by the INSIGHT lab personnel using the RLDT for Shigella spp. The lab personnel at a rural primary healthcare facility, Mirzapur Upazila Health Complex (MUHC) in Bangladesh, received training in RLDT and retested the stool samples with RLDT at the MUHC; the results were compared. The acceptance of RLDT at MUHC was also evaluated through questionnaires. After training, the MUHC lab personnel independently performed RLDT. The RLDT tests performed by the MUHC showed sensitivity of 98% and specificity of 99%, with an almost perfect agreement (Kappa = 0.96) compared with the pre-tested RLDT results. The RLDT assay was well received by the MUHC, despite the general challenges of limited manpower and resources at rural health care facilities. This study demonstrates the potential of using RLDT as a POC test in Shigella -endemic countries to support evidence-based treatment, saving lives and reducing inappropriate antibiotic use. Keypoints RLDT, as a simple and accurate diagnostic tool, offers a practical solution for Shigella detection in low-resource settings. Scaling up RLDT will empower health systems by enabling timely diagnoses to guide treatment and reduce antimicrobial resistance.
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 | 0,003 | 0,005 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».