Multicenter Comparison of Nucleic Acid Extraction Methods for Detection of Severe Acute Respiratory Syndrome Coronavirus RNA in Stool Specimens
Notice bibliographique
Résumé
The emergence of a novel coronavirus (CoV) as the cause of severe acute respiratory syndrome (SARS) catalyzed the development of rapid diagnostic tests. Stool samples have been shown to be appropriate for diagnostic testing for SARS CoV, although it has been recognized to be a heterogeneous and difficult sample that contains amplification inhibitors. Limited information on the efficiency of extraction methods for the purification and concentration of SARS CoV RNA from stool samples is available. Our study objectives were to determine the optimal extraction method for SARS CoV RNA detection and to examine the effect of increased specimen volume for the detection of SARS CoV RNA in stool specimens. We conducted a multicenter evaluation of four automated and four manual extraction methods using dilutions of viral lysate in replicate mock stool samples, followed by quantitation of SARS CoV RNA using real-time reverse transcriptase PCR. The sensitivities of the manual methods ranged from 50% to 100%, with the Cortex Biochem Magazorb method, a magnetic bead isolation method, allowing detection of all 12 positive samples. The sensitivities of the automated methods ranged from 75% to 100%. The bioMérieux NucliSens automated extractor and miniMag extraction methods each had a sensitivity of 100%. Examination of the copy numbers detected and the generation of 10-fold dilutions of the extracted material indicated that a number of extraction methods retained inhibitory substances that prevented optimal amplification. Increasing the volume of sample input did improve detection. This information could be useful for the extraction of other RNA viruses from stool samples and demonstrates the need to evaluate extraction methods for different specimen types.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».