Molecular diagnosis of respiratory virus infections
Notice bibliographique
Résumé
The appearance of eight new respiratory viruses, including the SARS coronavirus in 2003 and swine-origin influenza A/H1N1 in 2009, in the human population in the past nine years has tested the ability of virology laboratories to develop diagnostic tests to identify these viruses. Nucleic acid based amplification tests (NATs) for respiratory viruses were first introduced two decades ago and today are utilized for the detection of both conventional and emerging viruses. These tests are more sensitive than other diagnostic approaches, including virus isolation in cell culture, shell vial culture (SVC), antigen detection by direct fluorescent antibody (DFA) staining, and rapid enzyme immunoassay (EIA), and now form the backbone of clinical virology laboratory testing around the world. NATs not only provide fast, accurate and sensitive detection of respiratory viruses in clinical specimens but also have increased our understanding of the epidemiology of both new emerging viruses such as the pandemic H1N1 influenza virus of 2009, and conventional viruses such as the common cold viruses, including rhinovirus and coronavirus. Multiplex polymerase chain reaction (PCR) assays introduced in the last five years detect up to 19 different viruses in a single test. Several multiplex PCR tests are now commercially available and tests are working their way into clinical laboratories. The final chapter in the evolution of respiratory virus diagnostics has been the addition of allelic discrimination and detection of single nucleotide polymorphisms associated with antiviral resistance. These assays are now being multiplexed with primary detection and subtyping assays, especially in the case of influenza virus. These resistance assays, together with viral load assays, will enable clinical laboratories to provide physicians with new and important information for optimal treatment of respiratory virus infections.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,006 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 tête enseignante, 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 ».