Delayed specific IgM antibody responses observed among COVID-19 patients with severe progression
Notice bibliographique
Résumé
Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) has spread rapidly worldwide since it was confirmed as the causative agent of COVID-19. Molecular diagnosis of the disease is typically performed via nucleic acid-based detection of the virus from swabs, sputum or bronchoalveolar lavage fluid (BALF). However, the positive rate from the commonly used specimens (swabs or sputum) was less than 75%. Immunological assays for SARS-CoV-2 are needed to accurately diagnose COVID-19. Sera were collected from patients or healthy people in a local hospital in Xiangyang, Hubei Province, China. The SARS-CoV-2 specific IgM antibodies were then detected using a SARS-CoV-2 IgM colloidal gold immunochromatographic assay (GICA). Results were analysed in combination with sera collection date and clinical information. The GICA was found to be positive with the detected 82.2% (37/45) of RT-qPCR confirmed COVID-19 cases, as well as 32.0% (8/25) of clinically confirmed, RT-qPCR negative patients (4-14 days after symptom onset). Investigation of IgM-negative, RT-qPCR-positive COVID-19 patients showed that half of them developed severe disease. The GICA was found to be a useful test to complement existing PCR-based assays for confirmation of COVID-19, and a delayed specific IgM antibody response was observed among COVID-19 patients with severe progression.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».