Parasitaire infecties vormen een belangrijke uitdaging voor de volksgezondheid, vooral in ontwikkelingslanden en -regio's. Deze studie vergelijkt een automatische fecale analyzer om de diagnostische effectiviteit ervan te beoordelen met die van de traditionele directe natte uitstrijkmicroscopiemethode.
Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.
Methodenartikel
Vergelijkende analyse van automatische fecale analyzer versus directe natte uitstrijkmicroscopie voor het detecteren van parasitaire infecties in ontlastingsmonsters
* These authors contributed equally
In dit artikel
Samenvatting
Samenvatting
Met de sociaal-economische ontwikkeling is de prevalentie van intestinale parasitaire ziekten jaarlijks significant afgenomen. Echter, parasitaire infecties blijven een groot publiek gezondheidsprobleem wereldwijd, vooral in ontwikkelingslanden en regio's. Tijdige diagnose en behandeling zijn cruciaal voor het beheersen van de verspreiding van deze ziekten. De traditionele Direct Wet Smear Microscopie methode, hoewel wijd gebruikt, is arbeidsintensief, gevoelig voor besmetting en afhankelijk van de vaardigheden van de technicus. Dit artikel introduceert een Automatisch Fecaal Analyzer, die de verwerking van ontlastingsmonsters automatiseert en voordelen biedt ten opzichte van de traditionele Direct Wet Smear Microscopie methode, zoals gebruiksgemak, snelle detectie, een schone en hygiënische werkomgeving en hoge gevoeligheid en specificiteit, waardoor de diagnostische efficiëntie en nauwkeurigheid wordt verbeterd.
We vergelijken drie verschillende methoden voor fecale analyse: directe natte uitstrijkmicroscopie methode, automatische fecale analyzer (AI-rapport) en automatische fecale analyzer (gebruikerscontrole). Het AI-rapport gebruikt geautomatiseerde beeldanalyse en machine learning algoritmen om componenten zoals parasieten en eieren in ontlastingsmonsters te identificeren. Deze methode kan een groot aantal monsters snel verwerken, waardoor de efficiëntie toeneemt. De Gebruikerscontrole gebruikt ook een automatische fecale analyzer maar bevat een extra stap van gebruikerscontrole. Ervaren technici beoordelen het AI-rapport om de nauwkeurigheid en betrouwbaarheid van de resultaten te verbeteren. De analyzer vertoonde een gevoeligheid van 84,31% voor AI-rapporten en 94,12% voor gebruikerscontroles, samen met een specificiteit van 98,71% voor AI-rapporten en 99,69% voor gebruikerscontroles, waardoor het een onschatbare tool wordt voor de klinische diagnose en behandeling van parasitaire infecties.
Inleiding
Wereldwijd blijven intestinale parasitaire ziekten een aanzienlijk volksgezondheidsprobleem, voornamelijk in ontwikkelingslanden. Historische gegevens van de Health and Welfare Commission van de Volksrepubliek China tonen een sterke daling in infectiecijfers van 62,63% in 1992 naar 5,96% in 20151,2,3. Ondanks deze dramatische daling1, met een gewogen nationale prevalentie van 0,47% en een geschat aantal van 5,98 miljoen geïnfecteerde personen3, blijft de prevalentie van Clonorchis sinensis-infectie in de bevolking van Guangdong opmerkelijk hoog met 4,90%4. Specifieke regio's zoals Guangdong vertonen nog steeds hogere percentages C. sinensis-infecties, wat de noodzaak van nauwkeurige diagnostische methoden onderstreept.
De diagnose van parasitaire ziekten kan worden gesteld via microscopisch onderzoek, medische beeldvorming, serologische en moleculaire methoden. Serologische analyse met behulp van de enzyme-linked immunosorbent assay (ELISA) is nuttig bij de diagnose van parasitaire ziekten, maar de sensitiviteit is matig, ongeveer 80%5. Moleculair-biologische diagnostische technieken hebben een hoge sensitiviteit en specificiteit6, maar worden belemmerd door omslachtige, tijdrovende handelingen en hoge testkosten, waardoor ze ongeschikt zijn voor grootschalige routinetestings.
De detectie van C. sinensis-eieren in de feces van de patiënt vormt de basis voor het bevestigen van de diagnose. De Kato-Katz-dikke uitstrijkjesmethode, waarbij wordt gezocht naar C. sinensis-eieren, is de klassieke methode die gewoonlijk wordt gebruikt voor het diagnosticeren van parasitaire ziekten7,8. Hoewel deze methode goedkoop is, is ze tijdrovend, arbeidsintensief en ongeschikt voor de klinische praktijk bij een groot volume te screenen monsters. De meeste eerstelijnsziekenhuizen maken momenteel gebruik van de methode van directe natte uitstrijkjesmicroscopie. Deze methode is echter nog steeds tijdrovend en arbeidsintensief, gaat gepaard met een onaangename fecale geur en is gevoelig voor kruiscontaminatie, hoge bioveiligheidsrisico's en resultaten die afhankelijk zijn van de expertise en nauwkeurigheid van het testpersoneel9.
Conventionele diagnostische technieken zijn waardevol, maar kennen beperkingen wat betreft sensitiviteit en praktische toepasbaarheid. Door de voortdurende vooruitgang in wetenschap en technologie wordt fecale diagnostiek echter steeds meer geautomatiseerd en gestandaardiseerd. Geautomatiseerde instrumenten die gebruikmaken van digitale beeldgebaseerde methoden voor de kwantitatieve detectie van parasieten of parasitaire eieren in feces winnen aan populariteit in klinische laboratoria. Ze bieden voordelen zoals gebruiksgemak, snelle detectie, een schone en hygiënische werkomgeving en een hoge sensitiviteit en specificiteit. De Automatic Fecal Analyzer maakt gebruik van digitale beeldtechnologie om microscopische observaties te documenteren door middel van een reeks digitale foto's met lage en hoge vergroting, gemaakt via de microscoop en het geïntegreerde digitale beeldvormingssysteem. Het systeem verzendt deze beelden vervolgens naar een computergegevensverwerkingssysteem, dat ze dienovereenkomstig identificeert en analyseert. Recentelijk hebben wij geprobeerd een spectrum aan parasitaire infecties te diagnosticeren, waarbij de focus lag op de detectie van parasieten en hun eieren in fecale monsters. Positieve monsters worden geïdentificeerd aan de hand van hun morfologische kenmerken. Wij hebben de Automatic Fecal Analyzer geëvalueerd voor het detecteren van parasieten in fecale monsters en hebben het potentieel ervan bevestigd als aanvulling op conventionele microscopische methoden. De Automatic Fecal Analyzer bestaat uit een hoofdframe en bijbehorende software met verschillende gespecialiseerde units, waaronder een automatische bemonsteringsunit, een punctie-bemonsteringsunit, een unit voor de observatie van monstereigenschappen en kleur, een camera-unit en een reagenskaart-unit (Figuur 1).
Figuur 1: Componenten van het instrument. Klik hier om een grotere versie van deze figuur te bekijken.
In deze studie werden 2.305 verse ontlastingsmonsters van patiënten van het Guangdong Provincial People's Hospital in juli 2024 op dubbelblinde wijze geëvalueerd met behulp van de Automatic Fecal Analyzer en de methode van directe natte preparaatmicroscopie (Figuur 2). Eén groep voerde tests uit met de methode van directe natte preparaatmicroscopie, terwijl de andere groep een Automatic Fecal Analyzer met een AI-gegenereerd rapport gebruikte. Na het documenteren van de resultaten van elke groep, beoordeelde een derde groep experimentatoren handmatig de door de automatische analyzer vastgelegde beelden. Zij controleerden op vermoede parasieten of eieren, beelden die afweken van de automatische analyse, wazige of ontbrekende beelden, en beelden met complexe achtergronden met overmatig residu. Dit proces omvatte het corrigeren van de resultaten, wat vervolgens werd aangeduid als de gebruikersaudit van de Automatic Fecal Analyzer. Uiteindelijk vatte een vierde persoon de bevindingen samen en analyseerde deze statistisch. De effectiviteit van de volledig geautomatiseerde fecesinstrumentatie werd beoordeeld via een dubbelblinde detectie van parasieten/eieren, waarbij de detectietijd en de resultaten over de drie methodieken werden vergeleken.
Figuur 2: Schematische illustratie van het onderzoeksplan. Klik hier om een grotere versie van deze figuur te bekijken.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Protocol
Deze studie is goedgekeurd door het Ethisch Toetsingscomité van het Guangdong Provincial People's Hospital, Southern Medical University, Guangzhou, China (Goedkeuringsnummer: KY2024-445-02). Alle deelnemers hebben vóór inclusie een schriftelijke geïnformeerde toestemming ondertekend. De reagentia en apparatuur die voor de studie zijn gebruikt, staan vermeld in de Tabel met Materialen.
1. Monstername
- Gebruik de door de fabrikant van de automatische fecesanalyse-apparatuur voorgeschreven monsteropvangbuisjes; zorg ervoor dat deze voorzien zijn van een dop, afsluitbaar, schoon en droog zijn, niet lekken en een geschikte opening en volume hebben voor meerpuntige bemonstering.
- Neem zoveel mogelijk vers abnormaal feces af dat slijm, pus of bloed bevat, met een streefhoeveelheid van ongeveer 0,5 g. Wanneer de feces verdund of waterig zijn, dient een wegwerppipet te worden gebruikt om het benodigde monstervolume te verzamelen.
OPMERKING: Er moet zorg worden betracht om contaminatie van alle niet-patiëntspecifieke fecesmonsters te voorkomen. Dit omvat, maar is niet beperkt tot, feces na klysma's of oliehoudende laxantia, monsters uit bedpannen of toiletten, feces verontreinigd door planten, grond, rioolwater, desinfectiemiddelen, detergentia, urine, menstruatiebloed of leukorroe.
2. Methoden voor fecesonderzoek
- Methode voor direct natte preparaatmicroscopie10,11
- Breng 1-2 druppels zoutoplossing aan op een schoon microscopiepreparaat.
- Neem een klein monster uit het abnormale gebied of uit meerdere gebieden van de feces voor het uitstrijken.
- Verspreid het monster gelijkmatig op het objectglas. Pas de dikte van het uitstrijkje aan om de zichtbaarheid van de details te waarborgen.
- Plaats een dekglas over het uitstrijkje, waarbij luchtbellen worden vermeden.
- Scan meer dan 10 gezichtsvelden bij lage vergroting (10x). Indien parasiteneieren of parasieten worden gedetecteerd, schakel dan over naar hoge vergroting (40x) voor gedetailleerde morfologische observatie.
OPMERKING: Een onderzoek van het preparaat bij lage vergroting in een 'kantelen' (battlements) volgorde wordt aanbevolen om het risico op het missen van objecten te minimaliseren.
- Automatische fecale analyseapparaat (Figuur 3)
- Zet de computer en het analyseapparaat aan, klik om de software te starten, voer de gebruikersnaam en het wachtwoord in voor het inloggen, en wacht tot het instrument een zelftest uitvoert.
- Verzamel de gekwalificeerde feces met gebruik van de juiste monsternamebuis.
OPMERKING: Verse abnormale feces met slijm, pus of bloed met een gewicht van ongeveer 0,5 g is het voorkeursmonster. - Plaats de monsternamebuis in de monsterhouder van het analyseapparaat, plaats het monsterrek op de automatische monsterinlaat en klik op Start voor de eerste test na de zelftest.
OPMERKING: Vervolgtesten worden automatisch gedetecteerd en uitgevoerd door het instrument. De instrumentrobot fotografeert het monster voor documentatie. - Voeg 5 mL verdunner toe aan de monsterbuis, meng goed door pneumatisch mengen en laat het monster bezinken voor analyse.
OPMERKING: De monsternamebuis is voorzien van een speciaal filter om residuen zonder pathologische betekenis te verwijderen, zoals grote hoeveelheden plantenvezels, zaden en onverteerde voedselresten. - Laat het monster in de telcel stromen voor analyse, waar het analyseapparaat microscopische beelden met hoge resolutie vastlegt onder de microscoop en de software de beelden verwerkt en herkent.
- Schakel over naar de Result-interface, controleer de testbeelden en stuur het resultaat naar het Laboratory Information Management System (LIS) of print deze uit.
- Klik op Stop om de test te beëindigen.
- Selecteer Flush and Shutdown.
- Laad het rek met geconcentreerde spoelvloeistof. Het instrument zal automatisch spoelen en uitschakelen.
Figuur 3: Werkstroom van het geautomatiseerde fecale analysesysteem. Klik hier om een grotere versie van deze figuur te bekijken.
3. Methodologische evaluatie
- Berekening van de detectietijd
OPMERKING: Detectietijden werden berekend door de start- en eindtijden van elke testprocedure te registreren. Testresultaten werden vergeleken door de sensitiviteit en specificiteit van elke methode bij het detecteren van parasieten te analyseren.- Methode Direct Nat Preparaat Microscopie
- Meet voor elk fecesmonster de tijd die nodig is om een hoeveelheid feces ter grootte van een rijstkorrel op te nemen en deze gelijkmatig over een glazen objectglas te verspreiden.
- Meet de tijd die nodig is om de resultaten voor elke deelnemer af te lezen.
- Tel de bemonsteringstijden en de afleestijden voor elke deelnemer bij elkaar op.
- Vermenigvuldig de som uit stap 3.1.1.3 met het aantal deelnemers om de totale testtijd voor de methode Direct Nat Preparaat Microscopie te verkrijgen (T1).
- Deel T1 uit stap 3.1.1.4 door het aantal geteste monsters om de gemiddelde testtijd voor de methode Direct Nat Preparaat Microscopie te verkrijgen (t1).
- De Automatische Fecesanalyser (AI-rapport)
OPMERKING: Dit proces kan door één persoon worden uitgevoerd.- Meet de testtijd van de Automatische Fecesanalyser voor elk monster (T2).
- Deel T2 door het aantal geteste monsters om de gemiddelde testtijd voor de Automatische fecesanalyser (AI-rapport) te verkrijgen (t2).
- De Automatische Fecesanalyser (gebruikersaudit)
- Meet de testtijd van de Automatische Fecesanalyser voor elk monster (zie stap 3.1.2).
- Meet de tijd voor de handmatige beeldbeoordeling voor elk monster. Start de timer (stopwatch of digitale timer) zodra de beoordeling van de door de Automatische Fecesanalyser vastgelegde beelden van een monster begint. Onderzoek de beelden zorgvuldig om relevante componenten of abnormaliteiten te identificeren. Stop de timer zodra de beoordeling voor dat monster is voltooid, noteer de benodigde tijd voor elke monsterbeoordeling en voer de gegevens in een spreadsheet in voor verdere analyse.
- Tel de testtijd van de Automatische Fecesanalyser en de tijd voor de handmatige beeldbeoordeling voor elk monster bij elkaar op.
- Vermenigvuldig de som uit stap 3.1.3.3 met het aantal deelnemers om de totale testtijd voor de Automatische Fecesanalyser (gebruikersaudit) te verkrijgen (T3).
- Deel T3 door het aantal geteste monsters om de gemiddelde testtijd voor de Automatische Fecesanalyser (gebruikersaudit) te verkrijgen (t3).
- Methode Direct Nat Preparaat Microscopie
- Vergelijking van testresultaten
OPMERKING: De prestaties van het AI-gegenereerde rapport van de Automatische Fecesanalyser en de resultaten van de gebruikersaudit werden beoordeeld met de methode van het direct nat preparaat als referentiemaatstaf.- Verzamel de resultaten van de methode Direct Nat Preparaat Microscopie, welke als referentiemaatstaf dienen.
- Verzamel de resultaten van het AI-gegenereerde rapport van de Automatische Fecesanalyser.
- Verzamel de resultaten van de gebruikersaudit van de Automatische Fecesanalyser.
- Bereken de evaluatiemetrieken.
- Beschouw een monster als een True Positive (TP) wanneer zowel de resultaten van de Automatische Fecesanalyser (AI-rapport of gebruikersaudit) als de methode Direct Nat Preparaat Microscopie de aanwezigheid van de doelanalyt aangeven.
- Beschouw een monster als een True Negative (TN) wanneer zowel de resultaten van de Automatische Fecesanalyser (AI-rapport of gebruikersaudit) als de methode Direct Nat Preparaat Microscopie de afwezigheid van de doelanalyt aangeven.
- Beschouw een monster als een False Positive (FP) wanneer het AI-rapport of de gebruikersaudit van de Automatische Fecesanalyser de aanwezigheid van de doelanalyt aangeeft, maar de methode Direct Nat Preparaat Microscopie de aanwezigheid ervan niet bevestigt.
- Beschouw een monster als een False Negative (FN) wanneer het AI-rapport of de gebruikersaudit van de Automatische Fecesanalyser de afwezigheid van de doelanalyt aangeeft, terwijl de methode Direct Nat Preparaat Microscopie de aanwezigheid ervan wel detecteert.
- Bereken de specificiteit als volgt:
Specificiteit = True Negatives (TN) / (True Negatives + False Positives) - Bereken de sensitiviteit als volgt:
Sensitiviteit = True Positives (TP) / (True Positives + False Negatives) - Bereken de positief voorspellende waarde (PPV) als volgt:
PPV = True Positives (TP) / (True Positives + False Positives) - Bereken de negatief voorspellende waarde (NPV) als volgt:
NPV = True Negatives (TN) / (True Negatives + False Negatives) - Bereken de Kappa-waarde met behulp van statistische software.
- Bereken de conformiteitsgraad als volgt:
Conformiteitsgraad = Overeenkomsten (zowel AI- als gebruikersrapport komen overeen met de referentiemaatstaf) / Totaal aantal monsters. - Bereken de positieve detectiegraad als volgt:
Positieve detectiegraad = Aantal positieven / Totaal aantal monsters.
4. Analyseer de resultaten
- Voer de gegevens in spreadsheets in en analyseer deze statistisch.
- Gebruik voor telgegevens ratio's en proporties voor de beschrijving, en vergelijk groepen met de gepaarde vierzijdige chi-kwadraat toets.
- Vergelijk de gemiddelde detectietijden tussen de twee methoden met de T-toets voor onafhankelijke steekproeven.
- Beoordeel de consistentie in de detectie van parasietensoorten tussen technieken via de Kappa (κ) overeenstemming.
- Beschouw P < 0,05 als statistisch significant.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Resultaten
Vergelijking van de detectietijden tussen de drie detectiemethoden
De gemiddelde detectietijd was 1,55 min per persoon per monster voor de methode van directe natte preparaatmicroscopie, 1,30 min per persoon per monster voor de automatische fecesanalyser (AI-rapport) en 1,47 min per persoon per monster voor de automatische fecesanalyser (gebruikersaudit). De methode van directe natte preparaatmicroscopie vereiste 1,1x de duur in vergelijking met de automatische fecesanalyser (AI-rapport) (t ...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Discussie
Parasitaire ziekten vormen een belangrijke wereldwijde volksgezondheidszorg12, vooral in ontwikkelingslanden waar ze leiden tot gezondheidsproblemen zoals ondervoeding, groeiachterstand, bloedarmoede en galwegobstructie13, en ook verband houden met onvoldoende sociaal-economische ontwikkeling en onderwijs. Fecaal testen op parasieten is een routine geworden onderdeel van de klinische praktijk, waarbij nauwkeurigheid, snelheid en efficiëntie de belangrijkste vereisten voor d...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Openbaarmakingen
De auteurs hebben geen belangenconflicten te verklaren.
Dankbetuigingen
Dit werk werd gefinancierd door de National Natural Science Foundation of China (82002235, 82302571); Guangdong Basic and Applied Basic Research Foundation (2024A1515011037).
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Materialen
| Naam | Bedrijf | Catalogusnummer | Opmerkingen |
|---|---|---|---|
| Automatic Fecal Analyzer (FA280S) software | ORIENTER | v.1.028(RecoV2.9.14) | De software van het Automatic Fecal Analyzer (FA280S) systeem |
| Concentrated Cleaning Fluid | ORIENTER | Geschikt voor leidingreiniging | |
| Cover GLASS | SAIL BRAND | Beschermt het specimen tegen schade en besmetting. | |
| Disposable plastic straw | Nantong Lingke Biotechnology | Wegwerp plastic rietje gebruikt voor het afzuiging van fysiologische zoutoplossing | |
| FA280S | ORIENTER | A022201035 | Volautomatische ontlastingsanalyzer |
| Flushing Fluid | ORIENTER | Q/WWT-019-2021 | Spoelpijp van volautomatische ontlastingsanalyzer geproduceerd |
| Microscope | OLYMPUS | 3H51278 | Observatie van cellen |
| Microscope slides | WS-7101 | Zij bieden een stabiel, vlak oppervlak om monsters te monteren voor onderzoek onder een microscoop. | |
| Sample Diluent | ORIENTER | Sichuan Rong Machinery 20150025 | Geschikt voor verdunning van ontlastingsmonsters |
| Sample rack | ORIENTER | Laderijen | |
| Sample tube | ORIENTER | Sichuan Rong Machinery 20200204 | Fecale Collector |
| Sodium Chloeide Injection | Guangdong Daxiang Pharmaceutical Co. | H14020786 | Verdunning |
| SPSS statistical software | IBM | SPSS Statistics 22.0 | Geschikt voor een verscheidenheid aan onderzoeks- en analytische taken |
| Wooden stick | Een wegwerpbare houten stick die wordt gebruikt om een geschikte hoeveelheid fecale monster te plukken. |
Referenties
- Yu, S., et al. Report on the first nationwide survey of the distribution of human parasites in China. 1. Regional distribution of parasite species. Zhongguo Ji Sheng Chong Xue Yu Ji Sheng Chong Bing Za Zhi. 12 (4), 241-247 (1994).
- Coordinating Office of the National Survey on the Important Human Parasitic Diseases. A national survey on current status of the important parasitic diseases in human population. Zhongguo Ji Sheng Chong Xue Yu Ji Sheng Chong Bing Za Zhi. 23 (5), 332-340 (2005).
- Yindan, C., et al. National survey on the current status of important human parasitic diseases in China in 2015. Chinese Journal of Parasitology and Parasitic Diseases. 38 (1), 5-16 (2020).
- Mengran, L., et al. A survey of epidemic status of principal human parasites in Guangdong Province in 2015. Chinese Journal of Endemiology. 37 (2), 144-148 (2018).
- Pacheco, F., et al. Specific IgG and IgA antibody reactivities in sera of children by enzyme-linked immunoassay and comparison with Giardia duodenalis diagnosis in feces. Ann Lab Med. 40 (5), 382-389 (2020).
- Rahman, S., et al. Application of a loop-mediated isothermal amplification (LAMP) assay targeting cox1 gene for the detection of Clonorchis sinensis in human fecal samples. PLoS Negl Trop Dis. 11 (10), e5995(2017).
- Koontz, F., Weinstock, J. V. The approach to stool examination for parasites. Gastroenterol Clin North Am. 25 (3), 435-449 (1996).
- Boonyong, S., et al. High-throughput detection of parasites and ova in stool using the fully automatic digital feces analyzer, orienter model fa280. Parasit Vectors. 17 (1), 13(2024).
- Dacal, E., Köster, P. C., Carmena, D. Diagnóstico molecular de parasitosis intestinales. Enferm Infecc Microbiol Clin. 38 (1), 24-31 (2020).
- Deka, S., et al. Comparison of diagnostic performance of single and multiple fecal sampling in the detection of soil-transmitted helminths in school-aged children[J]. J Parasit Dis. 45 (2), 324-329 (2021).
- Deka, S., Kalita, D., Hazarika, N. K. Prevalence and risk factors of intestinal parasitic infection in under-five children with malnutrition: A hospital based cross-sectional study. J Family Med Prim Care. 11 (6), 2794-2801 (2022).
- Fairweather, I., et al. Drug resistance in liver flukes. Int J Parasitol Drugs Drug Resist. 12, 39-59 (2020).
- Soares, F. A., et al. Detection of intestinal parasites in human faecal samples using dissolved air flotation. Trop Med Int Health. 27 (12), 1044-1052 (2022).
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Herprints en machtigingen
