S'abonner

A novel automatic molecular test for detection of multidrug resistance tuberculosis in sputum specimen: A case control study - 09/10/17

Doi : 10.1016/j.tube.2017.03.008 
Qiang Li a, 1, Xi C. Ou a, 1, Yu Pang a, Hui Xia a, Hai R. Huang b, Bing Zhao a, Sheng F. Wang a, Yan L. Zhao a,
a National Tuberculosis Reference Laboratory, Chinese Center for Disease Control and Prevention, Beijing, China 
b Beijing Chest Hospital, Beijing, China 

Corresponding author. National Center for Tuberculosis Control and Prevention, Chinese Center for Disease Control and Prevention, No. 155, Changbai Road, Changping District, Beijing, China.National Center for Tuberculosis Control and PreventionChinese Center for Disease Control and PreventionNo. 155Changbai RoadChangping DistrictBeijingChina

Abstract

MiniLab tuberculosis (ML TB) assay is a new automatic diagnostic tool for diagnosis of multidrug resistance tuberculosis (MDR-TB). This study was conducted with aims to know the performance of this assay. Sputum sample from 224 TB suspects was collected from tuberculosis suspects seeking medical care at Beijing Chest hospital. The sputum samples were directly used for smear and ML TB test. The left sputum sample was used to conduct Xpert MTB/RIF, Bactec MGIT culture and drug susceptibility test (DST). All discrepancies between the results from DST, molecular and phenotypic methods were confirmed by DNA Sequencing. The sensitivity and specificity of ML TB test for detecting MTBC from TB suspects were 95.1% and 88.9%, respectively. The sensitivity for smear negative TB suspects was 64.3%. For detection of RIF resistance, the sensitivity and specificity of ML TB test were 89.2% and 95.7%, respectively. For detection of INH resistance, the sensitivity and specificity of ML TB test were 78.3% and 98.1%, respectively. ML TB test showed similar performance to Xpert MTB/RIF for detection of MTBC and RIF resistance. In addition, ML TB also had good performance for INH resistance detection.

Le texte complet de cet article est disponible en PDF.

Keywords : Minilab, Multidrug resistance, Tuberculosis


Plan


© 2017  Publié par Elsevier Masson SAS.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 105

P. 9-12 - juillet 2017 Retour au numéro
Article précédent Article précédent
  • Quantitative and qualitative iNKT repertoire associations with disease susceptibility and outcome in macaque tuberculosis infection
  • Andrew Chancellor, Andrew White, Anna S. Tocheva, Joe R. Fenn, Mike Dennis, Liku Tezera, Akul Singhania, Tim Elliott, Marc Tebruegge, Paul Elkington, Stephan Gadola, Sally Sharpe, Salah Mansour
| Article suivant Article suivant
  • Chemokines additional to IFN-? can be used to differentiate among Mycobacterium tuberculosis infection possibilities and provide evidence of an early clearance phenotype
  • Ditthawat Nonghanphithak, Wipa Reechaipichitkul, Wises Namwat, Vivek Naranbhai, Kiatichai Faksri

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.