Two-Color Lateral Flow Assay for Multiplex Detection of Causative Agents Behind Acute Febrile Illnesses
Notice bibliographique
Résumé
Acute undifferentiated febrile illnesses (AFIs) represent a significant health burden worldwide. AFIs can be caused by infection with a number of different pathogens including dengue (DENV) and Chikungunya viruses (CHIKV), and their differential diagnosis is critical to the proper patient management. While rapid diagnostic tests (RDTs) for the detection of IgG/IgM against a single pathogen have played a significant role in enabling the rapid diagnosis in the point-of-care settings, the state-of-the-art assay scheme is incompatible with the multiplex detection of IgG/IgM to more than one pathogen. In this paper, we present a novel assay scheme that uses two-color latex labels for rapid multiplex detection of IgG/IgM. Adapting this assay scheme, we show that 4-plex detection of the IgG/IgM antibodies to DENV and CHIKV is possible in 10 min by using it to correctly identify 12 different diagnostic scenarios. We also show that blue, mixed, and red colorimetric signals corresponding to IgG, IgG/IgM, and IgM positive cases, respectively, can be associated with distinct ranges of hue intensities, which could be exploited by analyzer systems in the future for making accurate, automated diagnosis. This represents the first steps toward the development of a single RDT-based system for the differential diagnosis of numerous AFIs of interest.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 ».