MétaCan
Menu
Retour à la cohorte
Enregistrement W2379742646 · doi:10.1373/clinchem.2015.245829

Recombinase Polymerase Amplification for Diagnostic Applications

2016· review· en· W2379742646 sur OpenAlexafffund
Rana Daher, Gale Stewart, Maurice Boissinot, Michel G. Bergeron

Notice bibliographique

RevueClinical Chemistry · 2016
Typereview
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensUniversité Laval
Organismes subventionnairesUniversité Laval
Mots-clésRecombinase Polymerase AmplificationPolymerase chain reactionMolecular biologyMedicineBiologyGeneticsGene

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: First introduced in 2006, recombinase polymerase amplification (RPA) has stirred great interest, as evidenced by 75 publications as of October 2015, with 56 of them just in the last 2 years. The widespread adoption of this isothermal molecular tool in many diagnostic fields represents an affordable (approximately 4.3 USD per test), simple (few and easy hands-on steps), fast (results within 5-20 min), and sensitive (single target copy number detected) method for the identification of pathogens and the detection of single nucleotide polymorphisms in human cancers and genetically modified organisms. CONTENT: This review summarizes the current knowledge on RPA. The molecular diagnostics of various RNA/DNA pathogens is discussed while highlighting recent applications in clinical settings with focus on point-of-care (POC) bioassays and on automated fluidic platforms. The strengths and limitations of this isothermal method are also addressed. SUMMARY: RPA is becoming a molecular tool of choice for the rapid, specific, and cost-effective identification of pathogens. Owing to minimal sample-preparation requirements, low operation temperature (25-42 °C), and commercial availability of freeze-dried reagents, this method has been applied outside laboratory settings, in remote areas, and interestingly, onboard automated sample-to-answer microfluidic devices. RPA is undoubtedly a promising isothermal molecular technique for clinical microbiology laboratories and emergence response in clinical settings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,007

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,384
Écart entre enseignants0,316 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations719
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical ChemistryMême sujetBiosensors and Analytical DetectionTravaux en français237 207