A CUS, CXR és CAD összehasonlító hatékonysága a TB diagnosztikában LMIC-ben (CUSTB)

HÁTTÉR A tüdőtuberkulózis (TB) továbbra is jelentős globális egészségügyi probléma, különösen az alacsony és közepes jövedelmű országokban (LMIC), ahol az egészségügyi ellátás forrásai gyakran korlátozottak. A tbc korai és pontos diagnosztizálása kulcsfontosságú a kezelés időben történő megkezdéséhez és az átvitel megelőzéséhez, ugyanakkor számos tényező, köztük a tünetek összetettsége és a diagnosztikai eszközök korlátai miatt kihívásokat jelent. Míg a CXR a TB diagnózisának standard képalkotó módja, érzékenysége és specificitása olyan tényezőktől függően változhat, mint a betegség stádiuma és a kapott kép minősége. Pontosabban, Etiópiában egy, a tüdőtuberkulózis diagnózisának elősegítőiről készült közelmúltbeli tanulmány hangsúlyozza a radiográfiás szűrés és a tünetalapú szűrés integrálásának fontosságát az egészségügyi intézményekben, ugyanakkor elismeri ennek a megvalósításnak a magas költségeit. Az elmúlt években a CUS ígéretes kiegészítő eszközzé vált a tbc diagnosztizálásában, különösen a veszélyeztetett populációkban, mint például a HIV-fertőzöttek. Előnyei közé tartozik a hordozhatóság, a sugárzásnak való kitettség hiánya és az ágy melletti használat lehetősége, így különösen értékes olyan korlátozott erőforrások esetén, ahol a fejlett képalkotó technikákhoz való hozzáférés korlátozott lehet. A kezdeti bizonyítékok azt mutatják, hogy a CUS alkalmazása nagy érzékenységet mutat a mikrobiológiailag igazolt tuberkulózis kimutatásában felnőttek körében. Ezenkívül a mesterséges intelligencia algoritmusait használó számítógépes diagnosztikai (CAD) rendszerek ígéretesnek bizonyultak a diagnosztikai pontosság javításában azáltal, hogy segítik a klinikusokat az orvosi képek értelmezésében. Azonban ezen előrelépések ellenére a korlátozott kutatások közvetlenül hasonlították össze a CUS, CXR és CAD pontszámok diagnosztikai teljesítményét a tbc diagnosztizálásában, és az indexes esetek háztartási kapcsolataira egyáltalán nincs bizonyíték. E diagnosztikai módozatok összehasonlító hatékonyságának megértése elengedhetetlen a TB-diagnosztikai stratégiák optimalizálásához és a betegek kimenetelének javításához, különösen a magas kockázatú populációkban, például a háztartásban élők körében, akiknél fokozott a tbc átvitelének kockázata11. Ezért ez a tanulmány ezt a hiányt kívánja pótolni a CUS, CXR és CAD pontszám diagnosztikai pontosságának értékelésével a TB azonosításában mind az indexes esetek, mind a háztartási kapcsolatok körében. Keresztmetszeti tervezéssel a vizsgálat az egyes diagnosztikai modalitások szenzitivitását, specificitását, pozitív prediktív értékét (PPV) és negatív prediktív értékét (NPV) kívánja meghatározni, valamint feltárni a köztük fennálló lehetséges összefüggéseket és eltéréseket. A tanulmány eredményei megalapozhatják a klinikai gyakorlat iránymutatásait, és hozzájárulhatnak hatékonyabb TB-diagnosztikai és kezelési stratégiák kidolgozásához, amelyek a különböző populációk és egészségügyi intézmények igényeihez igazodnak.

A VIZSGÁLAT TERVEZÉSE ÉS MÓDSZEREI Ez a tanulmány keresztmetszeti tervezést alkalmaz a CUS diagnosztikai pontosságának összehasonlítására a CXR és CAD pontszámmal a TB azonosításában az indexes esetek és a háztartási kapcsolatok között. A vizsgálat 12 hónapig tart, majd a kutatócsoport elvégzi az adatelemzést. A kutatás során a felvétellel és a beteg ellátásával kapcsolatos rutintevékenységekbe való beavatkozás nem várható. A résztvevőket a járóbeteg osztályra (OPD) vagy az orvosi osztályra történő felvételkor írják be, miután a felvételi kritériumok spontán találkoznak a független klinikus értékelésének köszönhetően. A létfontosságú paraméterek és a klinikai tünetek rögzítésre kerülnek. Helyezze a résztvevőt függőleges vagy álló helyzetbe, a röntgenkészülék felé fordulva. A megszerzett mellkasröntgenfelvételek átkerülnek a CAD szoftverplatformra, amely kiemelheti az érdeklődésre számot tartó régiókat, és az eredmények alapján pontszámot adhat. A CUS során a résztvevő hanyatt vagy ülő helyzetben marad, így a mellkas területe ultrahangos vizsgálatra kerül. Vékony réteg ultrahangos gélt viszünk fel a bőrre az akusztikus csatolás megkönnyítése és a képminőség javítása érdekében. STATISZTIKAI ELEMZÉS Két időközi elemzést terveznek a beiratkozást követő 3. és 6. hónapban, hogy ellenőrizzék a CUS, CXR és CAD érzékenységére és specificitására vonatkozó feltételezéseket a TB diagnosztizálásában. Az időközi elemzések nem tartalmaznak hivatalos statisztikai tesztelést. A kategorikus adatokat abszolút és relatív gyakoriságokként foglaljuk össze. A numerikus adatokat az átlag és a szórás (SD), illetve a medián és az interkvartilis tartomány (IQR) segítségével összegzik. A pontosság vizsgálatakor a standard mértékeket számítjuk ki (érzékenység, specificitás, pozitív prediktív érték, negatív prediktív érték). A non-inferiority hipotézis egy RMLE-alapú pontszámtesztet használó tesztek, Liu és munkatársai szerint.12 A többszörös teszteléshez való igazítás a Benjamini-Hochberg eljárás szerint történik. A CUS és a CXR, valamint a CUS és a CAD közötti összhangot Cohen kappa és Gwet AC1 segítségével értékeljük. A változók összehasonlítása feltáró céllal történik Pearson- vagy Spearman-féle korrelációs együtthatók, Student-féle t-próba, páros Student-teszt, Mann-Whitney-teszt, Wilcoxon-teszt, Chi Square-teszt vagy Fisher-teszt segítségével. A becsléseket 95%-os konfidencia intervallumokkal kell közölni. A statisztikai szignifikancia értéke 5%. A statisztikai elemzés az R 4.3 segítségével történik (R Foundation for Statistical Computing, Bécs, Ausztria).