A clinical algorithm for triaging patients with significant lymphadenopathy in primary health care settings in Sudan
African Journal of Primary Health Care & Family Medicine
| Field | Value | |
| Title | A clinical algorithm for triaging patients with significant lymphadenopathy in primary health care settings in Sudan Un algorithme clinique pour le triage des patients atteints de lymphadénopathie importante dans les milieux de soins de santé primaires au Soudan | |
| Creator | Khalil, Eltahir A.G. El Hag, Imad A. Elsiddig, Kamal E. Elsafi, Mohamed E.M.O. Elfaki, Mona E.E. Musa, Ahmed M. Musa, Brima Y. Elhassan, Ahmed M. | |
| Description | Background: Tuberculosis is a major health problem in developing countries. The distinction between tuberculous lymphadenitis, non-specific lymphadenitis and malignant lymph node enlargement has to be made at primary health care levels using easy, simple and cheap methods.Objective: To develop a reliable clinical algorithm for primary care settings to triage cases ofnon-specific, tuberculous and malignant lymphadenopathies.Methods: Calculation of the odd ratios (OR) of the chosen predictor variables was carried out using logistic regression. The numerical score values of the predictor variables were weighed against their respective OR. The performance of the score was evaluated by the ROC (ReceiverOperator Characteristic) curve.Results: Four predictor variables; Mantoux reading, erythrocytes sedimentation rate (ESR),nocturnal fever and discharging sinuses correlated significantly with TB diagnosis and were included in the reduced model to establish score A. For score B, the reduced model included Mantoux reading, ESR, lymph-node size and lymph-node number as predictor variables for malignant lymph nodes. Score A ranged 0 to 12 and a cut-off point of 6 gave a best sensitivity and specificity of 91% and 90% respectively, whilst score B ranged -3 to 8 and a cut-off point of3 gave a best sensitivity and specificity of 83% and 76% respectively. The calculated area underthe ROC curve was 0.964 (95% CI, 0.949 – 0.980) and -0.856 (95% CI, 0.787 ‑ 0.925) for scores Aand B respectively, indicating good performance.Conclusion: The developed algorithm can efficiently triage cases with tuberculous andmalignant lymphadenopathies for treatment or referral to specialised centres for furtherwork-up. Présentation: La tuberculose est un problème de santé majeur dans les pays en voie de développement. La distinction entre tuberculose ganglionnaire, lymphadénite non spécifique et l’élargissement malin des ganglions lymphatiques doit être opérée au niveau des centres de soins de santé primaires en adoptant des méthodes simples à appliquer et peu coûteuses.Objectif: Développer un algorithme clinique pour les centres de soins de santé primaires afin de trier les cas de tuberculose ganglionnaire, de lymphadénite non spécifique et des lymphadénopathies tuberculeuses et malignes.Méthodes: Le calcul des rapports de cote (RC) des variables prédictives sélectionnées a été réalisé par régression logistique. Les valeurs numériques des notes des variables prédictives ont été pondérées par rapport à leur RC respectif. Les caractéristiques de la note ont été évaluées par la courbe de la fonction d’efficacité du récepteur (courbe ROC).Résultats: Les quatre variables prédictives (test Mantoux, vitesse de sédimentation érythrocytaire, fièvre nocturne et écoulement des sinus) étaient étroitement corrélées au diagnostique de tuberculose et ont été intégrées dans le modèle réduit pour établir une note A. Pour la note B, le modèle réduit incluait le test de Mantoux, la vitesse de sédimentation érythrocytaire, la taille des ganglions lymphatiques et le nombre de ganglions lymphatiques, ceci constituant les variables prédictives des ganglions lymphatiques malins. La note A était comprise entre 0 et 12 et un seuil de coupure de 6 produisait respectivement une sensibilité et spécificité idéales de 91% et 90%, la note B étant comprise entre -3 et 8, et un seuil de coupure de 3 produisait respectivement une sensibilité et spécificité idéales de 83% et 76%. La surface calculée sous la courbe ROC était de 0,964 (IC de 95%, 0,949 – 0,980) et de - 0,856 (IC de 95%, 0,787 – 0,925) pour les notes A et B respectivement, indiquant une bonne performance.Conclusion: L’algorithme développé permet de trier efficacement les cas de tuberculoses et de lymphadénopathies malignes en vue d’un traitement ou d’une orientation vers des centres spécialisés pour un traitement conclusif. | |
| Publisher | AOSIS | |
| Date | 2013-06-21 | |
| Identifier | 10.4102/phcfm.v5i1.435 | |
| Source | African Journal of Primary Health Care & Family Medicine; Vol 5, No 1 (2013); 6 pages 2071-2936 2071-2928 | |
| Language | eng | |
| Relation |
The following web links (URLs) may trigger a file download or direct you to an alternative webpage to gain access to a publication file format of the published article:
https://phcfm.org/index.php/phcfm/article/view/435/625
https://phcfm.org/index.php/phcfm/article/view/435/626
https://phcfm.org/index.php/phcfm/article/view/435/627
https://phcfm.org/index.php/phcfm/article/view/435/624
|
|
ADVERTISEMENT
