Point-of-Care Diagnostic Tests for Detecting SARS-CoV-2 Antibodies: A Systematic Review and Meta-Analysis of Real-World Data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,010 | 0,260 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,034 | 0,005 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle