《Diagnostic Microbiology and Infectious Disease》：Diagnostic Accuracy of Bronchoalveolar Lavage Fluid-Based Testing for Pulmonary Cryptococcosis: A Systematic Review and Meta-Analysis
编辑推荐：
•BALF CrAg检测在诊断肺隐球菌病方面具有很高的准确性。•其总体敏感性为0.87，特异性则为0.99。•若BALF CrAg检测结果为阳性，则可作为有力的诊断依据。引言肺隐球菌病是一种由新型隐球菌或格特隐球菌引发的常见机会性真菌感染。该疾病既可影响免疫功能低下者，也可影响免
- •
BALF CrAg检测在诊断肺隐球菌病方面具有很高的准确性。
- •
其总体敏感性为0.87，特异性则为0.99。
- •
若BALF CrAg检测结果为阳性，则可作为有力的诊断依据。
引言
肺隐球菌病是一种由新型隐球菌或格特隐球菌引发的常见机会性真菌感染。该疾病既可影响免疫功能低下者，也可影响免疫功能正常的人。随着人类免疫缺陷病毒感染的蔓延以及免疫抑制疗法的日益广泛应用，全球该病的发病率也在不断上升[1,2]。在中国，尤其是非HIV患者群体中，肺隐球菌病的临床负担也日益受到重视[3]。肺隐球菌病的临床表现和影像学特征包括咳嗽、发热、呼吸困难，以及结节、实变或肿块样病变等，但这些表现缺乏特异性，可能与结核病、原发性肺癌以及其他肺部真菌病难以区分[4]。
目前用于诊断肺隐球菌病的传统方法包括培养、印度墨水涂片以及组织标本的病理学检查。然而，呼吸道样本的培养敏感性较低，且阳性结果也可能只是表明存在菌群定植，并非真正的感染。通过培养分离出真菌通常需要长达一周的培养时间，而正在接受抗真菌治疗的患者则可能出现更长的等待时间[5]。虽然组织活检能够明确诊断，但它属于有创操作，在危重病人或凝血功能异常的患者中并不总是可行。血清隐球菌抗原检测被广泛应用，但在没有全身性疾病的情况下该检测可能呈阴性，因为局部肺隐球菌感染往往不会导致血清CrAg检测出现假阴性结果[6,7]。而通过柔性支气管镜获取的支气管肺泡灌洗液可以直接采集感染部位的下呼吸道样本。基于BALF的CrAg检测方法，如乳胶凝集试验和较为新式的侧流免疫分析法，能够快速、微创地实现诊断，且可在床边进行操作[3,8]。
目前关于BALF CrAg检测的个别研究结果虽令人鼓舞，但差异较大，不同研究组之间的敏感性和特异性数值差异显著[[9], [10], [11], [12], [13]]。该检测是否具备足够的诊断价值以便在临床上广泛使用仍存在争议，此前也尚无Meta分析来评估其在肺隐球菌病诊断中的整体准确性。因此，本项Meta分析的目的就是评估BALF CrAg检测在肺隐球菌病患者诊断中的价值。
章节摘要
检索策略与筛选标准
本综述是按照诊断测试准确性系统评价和Meta分析的优先报告项目（PRISMA-DTA）指南来开展并撰写的[14]。相关研究方案已在PROSPERO数据库中注册。
我们检索了PubMed、Embase、Cochrane图书馆以及Scopus数据库中截至2026年5月17日的相关文献。所使用的检索词包括与“隐球菌荚膜多糖抗原”、“隐球菌”、“肺隐球菌”相关的自由文本词汇及主题词汇。
文献检索与研究筛选
文献检索共找到872条记录。去除重复记录后，又根据标题和摘要对522条记录进行了初步筛选。最终有15篇全文文章符合纳入标准。其中11项研究发表于1992年至2026年间，包含12组独立数据集，这些研究均满足纳入标准，被纳入本次Meta分析中（见图1）。
研究特点
表1总结了这11项被纳入研究的特征，这些研究共包含12组独立数据集。这些研究大多在亚洲地区开展（n=8）[3,8,
讨论
据我们所知，这是首项专门评估基于BALF的CrAg检测在肺隐球菌病诊断准确性方面的系统评价和Meta分析。由于该检测具有较高的敏感性和近乎完美的特异性，因此在临床或影像学上怀疑患有肺隐球菌病的患者中，它能提供强有力的诊断依据。这些研究结果支持将BALF CrAg检测作为诊断流程中的有用辅助手段，尤其是在血清CrAg检测结果为阴性或不确定，且常规微生物学检测无法明确诊断时。
结论
本研究显示，BALF CrAg检测在肺隐球菌病诊断中具有较高的特异性和良好的敏感性，这证明了在无法进行组织活检时，它可作为一种有效的辅助诊断工具。不过，由于相关研究数量有限、部分数据为零值，且参考标准也存在差异，这些研究结果还需进一步验证。未来需要更多采用标准化方案的前瞻性研究来进一步确认这些指标的准确性。
伦理审批
无需审批（本文未涉及任何由作者参与的人类受试者或动物实验研究）。
关于写作过程中生成式AI及AI辅助技术的声明
在撰写本文的过程中，作者使用了ChatGPT来协助语言编辑、句子优化以及提升文本的可读性。作者对所有AI辅助生成的文本内容都进行了审核和修改，并对本文的内容负全责。
PROSPERO数据库注册信息
CRediT作者贡献说明
田宗生：文章撰写——初稿撰写、方法学设计、正式数据分析、数据整理、概念构建。孙雪燕：文章撰写——初稿撰写、验证分析、研究实施、正式数据分析、数据整理。张左娟：可视化处理、方法学设计、数据整理。杜庆迪：可视化处理、研究实施、数据整理。徐学良：文章撰写——审阅与修改、数据整理。曾庆迪：文章撰写——审阅与修改、研究监督、项目管理、概念构建。
Zongsheng Tian|Xueyan Sun|Zuojuan Zhang|Qingdi Du|Xueliang Xu|Qingdi Zeng
