参与者招募和分诊
评估家庭接触者中结核病的可能性。
通过筛查问卷识别家庭接触者,研究助理接触并邀请参与,随机分为AB或BA序列,由临床医生在有或无CAD辅助下进行评估,并记录症状和分级。
Improving Tuberculosis Diagnosis Through Artificial Intelligence (CAD4TB) and Stool Xpert MTB/RIF Testing: A Prospective Study From Oromia, Ethiopia
包含诊断准确性评估(CAD4TB与Xpert比较)、两种分子检测方法的一致性分析、多个亚组分层分析及多种统计学方法。
结核病家庭接触者队列 结核病指示病例队列
对比CAD4TB与Xpert检测的诊断性能,包括敏感性和特异性(n=455) 粪便与痰液Xpert检测的一致性,使用Cohen's κ和Gwet's AC1 儿童和成人亚组中CAD4TB性能差异 未提供样本的处理策略,如无法提供痰液或粪便样本的记录 HIV状态和营养状况等亚组分析
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
评估家庭接触者中结核病的可能性。
通过筛查问卷识别家庭接触者,研究助理接触并邀请参与,随机分为AB或BA序列,由临床医生在有或无CAD辅助下进行评估,并记录症状和分级。
对参与者进行微生物学结核病诊断。
要求所有接触者提供痰液和粪便样本进行Xpert MTB/RIF检测,无论临床表现如何。
评估CAD4TB和粪便Xpert检测的诊断性能。
以痰液Xpert为参考标准,计算CAD4TB和粪便Xpert的敏感性、特异性、PPV和NPV,并评估粪便与痰液Xpert的一致性。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 影像学筛查 | CAD4TB软件 | Delft Imaging | -- |
| 分子检测 | Xpert MTB/RIF检测 | -- | -- |
| 样本处理 | SOS粪便处理方法 | -- | -- |
| 统计软件 | R软件 | R Foundation for Statistical Computing | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 参与者招募 | 年龄≥5岁,与指示病例同住或工作,排除已接受治疗者 阅读提示:Materials and Methods, 'Close Contact Recruitment' |
| 影像学评估 | CAD4TB评分阈值(0-100),临床医生信心评分 阅读提示:Materials and Methods, 'Chest radiography' |
| 微生物学检测 | 粪便和痰液样本采集及处理,Xpert MTB/RIF assay 阅读提示:Materials and Methods, 'Stool processing' |
| 统计分析 | 样本量计算(目标≥350),随机化序列AB/BA 阅读提示:Materials and Methods, 'Sample Size' 和 'Statistical Analysis' |