MétaCan
Menu
Retour à la cohorte
Enregistrement W3025139238 · doi:10.3390/jcm9051515

Point-of-Care Diagnostic Tests for Detecting SARS-CoV-2 Antibodies: A Systematic Review and Meta-Analysis of Real-World Data

2020· review· en· W3025139238 sur OpenAlexafffund
Matteo Riccò, Pietro Ferraro, Giovanni Gualerzi, Silvia Ranzieri, Brandon Michael Henry, Younes Ben Said, N.V. Pyatigorskaya, Elena Nevolina, Nicola Luigi Bragazzi, Carlo Signorelli

Notice bibliographique

RevueJournal of Clinical Medicine · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensYork University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineMeta-analysisSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Coronavirus disease 2019 (COVID-19)Point-of-care testing2019-20 coronavirus outbreakVirologyAntibodyPoint of careIntensive care medicineImmunologyInternal medicinePathologyDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

SARS-CoV-2 is responsible for a highly contagious infection, known as COVID-19. SARS-CoV-2 was discovered in late December 2019 and, since then, has become a global pandemic. Timely and accurate COVID-19 laboratory testing is an essential step in the management of the COVID-19 outbreak. To date, assays based on the reverse-transcription polymerase chain reaction (RT-PCR) in respiratory samples are the gold standard for COVID-19 diagnosis. Unfortunately, RT-PCR has several practical limitations. Consequently, alternative diagnostic methods are urgently required, both for alleviating the pressure on laboratories and healthcare facilities and for expanding testing capacity to enable large-scale screening and ensure a timely therapeutic intervention. To date, few studies have been conducted concerning the potential utilization of rapid testing for COVID-19, with some conflicting results. Therefore, the present systematic review and meta-analysis was undertaken to explore the feasibility of rapid diagnostic tests in the management of the COVID-19 outbreak. Based on ten studies, we computed a pooled sensitivity of 64.8% (95%CI 54.5-74.0), and specificity of 98.0% (95%CI 95.8-99.0), with high heterogeneity and risk of reporting bias. We can conclude that: (1) rapid diagnostic tests for COVID-19 are necessary, but should be adequately sensitive and specific; (2) few studies have been carried out to date; (3) the studies included are characterized by low numbers and low sample power, and (4) in light of these results, the use of available tests is currently questionable for clinical purposes and cannot substitute other more reliable molecular tests, such as assays based on RT-PCR.

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)0,015
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,045
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0160,033
Bibliométrie0,0080,010
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,527
Tête enseignante GPT0,565
Écart entre enseignants0,038 · 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'étudeMéta-analyse
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

Citations88
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical MedicineMême sujetSARS-CoV-2 detection and testingTravaux en français237 207