A Direct from Blood/Plasma Reverse Transcription–Polymerase Chain Reaction for Dengue Virus Detection in Point-of-Care Settings
Notice bibliographique
Résumé
Infection with dengue virus (DENV) is widespread across tropical regions and can result in severe disease. Early diagnosis is important both for patient management and to differentiate infections that present with similar symptoms, such as malaria, chikungunya, and Zika. Rapid diagnostic tests that are used presently for point-of-care detection of DENV antigens lack the sensitivity of molecular diagnostics that detect viral RNA. However, no molecular diagnostic test for DENV is available for use in field settings. In this study, we developed and validated a reverse transcription–polymerase chain reaction (RT-PCR) for the detection of DENV adapted for use in field settings. Reverse transcription–polymerase chain reaction was performed directly from plasma samples without RNA extraction. The assay detected all four serotypes of DENV spiked into blood or plasma. Our RT-PCR does not cross-react with pathogens that cause symptoms that overlap with dengue infection. The test performed equally well in a conventional laboratory qPCR instrument and a small, low-cost portable instrument that can be used in a field setting. The lower limit of detection for the assay was 1 × 10 4 genome copy equivalents/mL in blood. Finally, we validated our test using 126 archived patient samples. The sensitivity of our RT-PCR was 76.7% (95% CI: 65.8–87.9%) on the conventional instrument, and 78.3% (95% CI: 65.8–87.9%) on the field instrument, when compared with the RealStar Dengue RT-PCR Kit 2.0. The molecular test described here is user-friendly, low-cost, and can be used in regions with limited laboratory capabilities.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».