Clinical Diagnosis of Chikungunya Infection: An Essential Aid in a Primary Care Setting Where Serological Confirmation Is Not Available

Abstract

Background: Chikungunya virus (CHIKV) diagnosis has become a challenge for primary care physicians in areas where the Zika virus and/or Dengue virus are present. Case definitions for the three arboviral infections overlap. Methods: A cross-sectional analysis was carried out. A bivariate analysis was made using confirmed CHIKV infection as the outcome. Variables with significant statistical association were included in an agreement consensus. Agreed variables were analyzed in a multiple regression model. The area under the receiver operating characteristic (ROC) curve was calculated to determine a cut-off value and performance. Results: 295 patients with confirmed CHIKV infection were included. A screening tool was created using symmetric arthritis (4 points), fatigue (3 points), rash (2 points), and ankle joint pain (1 point). The ROC curve identified a cut-off value, and a score ≥ 5.5 was considered positive for identifying CHIKV patients with a sensibility of 64.4% and a specificity of 87.4%, positive predictive value of 85.5%, negative predictive value of 67.7%, area under the curve of 0.72, and an accuracy of 75%. Conclusion: We developed a screening tool for CHIKV diagnosis using only clinical symptoms as well as proposed an algorithm to aid the primary care physician. © 2023 by the authors.

Antecedentes: El diagnóstico del virus Chikungunya (CHIKV) se ha convertido en un desafío para los médicos de atención primaria en áreas donde el virus Zika y/o el virus del Dengue están presentes. Las definiciones de caso para las tres infecciones por arbovirus se superponen. Métodos: Se realizó un análisis transversal. Se realizó un análisis bivariado utilizando como resultado la infección confirmada por CHIKV. Las variables con asociación estadística significativa se incluyeron mediante consenso de acuerdo. Las variables acordadas se analizaron en un modelo de regresión múltiple. Se calculó el área bajo la curva característica operativa del receptor (ROC) para determinar un valor de corte y un rendimiento. Resultados: Se incluyeron 295 pacientes con infección confirmada por CHIKV. Se creó una herramienta de detección utilizando artritis simétrica (4 puntos), fatiga (3 puntos), erupción (2 puntos) y dolor en la articulación del tobillo (1 punto). La curva ROC identificó un valor de corte y se consideró positivo un puntaje ≥ 5,5 para identificar pacientes con CHIKV con una sensibilidad del 64,4% y una especificidad del 87,4%, valor predictivo positivo del 85,5%, valor predictivo negativo del 67,7%, área bajo la curva de 0,72 y una precisión del 75%. Conclusión: Desarrollamos una herramienta de detección para el diagnóstico de CHIKV utilizando únicamente síntomas clínicos y propusimos un algoritmo para ayudar al médico de atención primaria. © 2023 por los autores.