Vergelijkende werkzaamheid van CUS, CXR en CAD bij de diagnose van tuberculose in LMIC (CUSTB)

ACHTERGROND Longtuberculose (tbc) blijft een belangrijk mondiaal gezondheidsprobleem, vooral in lage- en middeninkomenslanden (LMIC), waar de middelen voor gezondheidszorg vaak beperkt zijn. Vroegtijdige en nauwkeurige diagnose van tuberculose is van cruciaal belang voor het tijdig starten van de behandeling en het voorkomen van overdracht, maar brengt uitdagingen met zich mee vanwege verschillende factoren, waaronder de complexiteit van de symptomen en beperkingen in diagnostische hulpmiddelen. Hoewel CXR de standaard beeldvormingsmodaliteit is voor de diagnose van tuberculose, kan de gevoeligheid en specificiteit ervan variëren afhankelijk van factoren zoals het stadium van de ziekte en de kwaliteit van het verkregen beeld. Specifiek in Ethiopië benadrukt een recent onderzoek naar de facilitators van de diagnose van longtuberculose het belang van het integreren van radiografische screening met symptoomgebaseerde screening in gezondheidsinstellingen, terwijl de hoge kosten van deze implementatie worden erkend. De afgelopen jaren is CUS naar voren gekomen als een veelbelovend aanvullend instrument bij de diagnose van tuberculose, vooral bij risicopopulaties, zoals mensen die leven met hiv. De voordelen zijn onder meer draagbaarheid, gebrek aan blootstelling aan straling en mogelijkheden voor gebruik aan het bed, waardoor het bijzonder waardevol is in omgevingen met beperkte middelen waar de toegang tot geavanceerde beeldvormingstechnieken beperkt kan zijn. Het eerste bewijs geeft aan dat het gebruik van CUS een hoge gevoeligheid vertoont bij het detecteren van microbiologisch bevestigde tuberculose bij volwassenen. Bovendien zijn Computer-Aided Diagnosis (CAD)-systemen die gebruik maken van kunstmatige intelligentie-algoritmen veelbelovend gebleken in het verbeteren van de diagnostische nauwkeurigheid door artsen te helpen bij het interpreteren van medische beelden. Ondanks deze vooruitgang heeft beperkt onderzoek de diagnostische prestaties van de CUS-, CXR- en CAD-score bij de diagnose van tuberculose rechtstreeks vergeleken, zonder enig bewijs uit de huishoudcontacten van indexgevallen. Het begrijpen van de relatieve effectiviteit van deze diagnostische modaliteiten is essentieel voor het optimaliseren van tbc-diagnosestrategieën en het verbeteren van de patiëntresultaten, vooral in populaties met een hoog risico, zoals gezinscontacten die een verhoogd risico lopen op tbc-overdracht11. Daarom wil deze studie deze leemte opvullen door de diagnostische nauwkeurigheid van de CUS-, CXR- en CAD-score te evalueren bij het identificeren van tuberculose onder zowel indexgevallen als gezinscontacten. Door een cross-sectioneel ontwerp te gebruiken, probeert het onderzoek de gevoeligheid, specificiteit, positief voorspellende waarde (PPV) en negatief voorspellende waarde (NPV) van elke diagnostische modaliteit te bepalen, en mogelijke correlaties en discrepanties daartussen te onderzoeken. De bevindingen uit deze studie hebben het potentieel om klinische praktijkrichtlijnen te informeren en bij te dragen aan de ontwikkeling van effectievere tbc-diagnose- en behandelstrategieën die zijn afgestemd op de behoeften van diverse bevolkingsgroepen en gezondheidszorginstellingen.

STUDIEONTWERP EN METHODEN Bij dit onderzoek zal gebruik worden gemaakt van een cross-sectioneel ontwerp om de diagnostische nauwkeurigheid van CUS te vergelijken met de CXR- en CAD-score bij het identificeren van tuberculose onder indexgevallen en huishoudcontacten. Het onderzoek zal twaalf maanden duren. Aan het eind daarvan zal er data-analyse worden uitgevoerd door het onderzoeksteam. Bij het onderzoek wordt geen inmenging verwacht in de routinematige werkzaamheden die verband houden met de opname en de verzorging van de patiënt. De deelnemers worden ingeschreven bij opname op de polikliniek (OPD) of de medische afdeling, nadat spontaan aan de inclusiecriteria wordt voldaan dankzij onafhankelijke evaluatie door een arts. Vitale parameters en klinische symptomen zullen worden geregistreerd. CXR zal worden uitgevoerd als standaardbehandeling met vastgelegde beelden in posteroanterior zicht, waardoor adequate visualisatie van het borstgebied wordt gegarandeerd. Plaats de deelnemer rechtop of staand, tegenover het röntgenapparaat. De verkregen röntgenfoto's van de thorax zullen worden overgebracht naar het CAD-softwareplatform, dat interessante gebieden kan markeren en een score kan beoordelen op basis van de bevindingen. Tijdens CUS blijft de deelnemer in liggende of zittende positie, waarbij het borstgebied wordt blootgesteld voor echografisch onderzoek. Er wordt een dunne laag ultrasone gel op de huid aangebracht om de akoestische koppeling te vergemakkelijken en de beeldkwaliteit te verbeteren. STATISTISCHE ANALYSE Er zijn twee tussentijdse analyses gepland na 3 en 6 maanden van inschrijving om de aannames over de gevoeligheid en specificiteit van CUS, CXR en CAD bij de diagnose van tuberculose te verifiëren. De tussentijdse analyses zullen geen formele statistische toetsing omvatten. Categorische gegevens zullen worden samengevat als absolute en relatieve frequenties. Numerieke gegevens zullen worden samengevat met behulp van gemiddelde en standaarddeviatie (SD), of mediaan en interkwartielbereik (IQR). Bij nauwkeurigheidsonderzoek worden de standaardmaten berekend (gevoeligheid, specificiteit, positief voorspellende waarde, negatief voorspellende waarde). De non-inferioriteitshypothese zal worden uitgevoerd met behulp van een op RMLE gebaseerde scoretest volgens Liu et al.12. Aanpassing voor meerdere testen zal worden uitgevoerd volgens de Benjamini-Hochberg-procedure. De concordantie tussen CUS en CXR, en tussen CUS en CAD zal worden beoordeeld met behulp van Cohen's kappa en Gwet's AC1. Vergelijkingen tussen variabelen zullen voor verkennende doeleinden worden uitgevoerd met behulp van de correlatiecoëfficiënten van Pearson of Spearman, Student's t-test, gepaarde Student's ttest, Mann-Whitney-test, Wilcoxon-test, Chi Square-test of Fisher's-test, indien van toepassing. Schattingen zullen worden gerapporteerd met een betrouwbaarheidsinterval van 95% als dit passend is. De statistische significantie wordt vastgesteld op 5%. De statistische analyse zal worden uitgevoerd met behulp van R 4.3 (R Foundation for Statistical Computing, Wenen, Oostenrijk).