MétaCan
Menu
Retour à la cohorte
Enregistrement W3035912196 · doi:10.1021/acs.analchem.0c02060

Molecular Diagnosis of COVID-19: Challenges and Research Needs

2020· article· en· W3035912196 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueAnalytical Chemistry · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCanadian Institutes of Health ResearchAlberta InnovatesAlberta HealthNatural Sciences and Engineering Research Council of CanadaGovernment of Canada
Mots-clésComputational biologyVirologyRNAPolymerase chain reactionVirusBiologyGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Molecular diagnosis of COVID-19 primarily relies on the detection of RNA of the SARS-CoV-2 virus, the causative infectious agent of the pandemic. Reverse transcription polymerase chain reaction (RT-PCR) enables sensitive detection of specific sequences of genes that encode the RNA dependent RNA polymerase (RdRP), nucleocapsid (N), envelope (E), and spike (S) proteins of the virus. Although RT-PCR tests have been widely used and many alternative assays have been developed, the current testing capacity and availability cannot meet the unprecedented global demands for rapid, reliable, and widely accessible molecular diagnosis. Challenges remain throughout the entire analytical process, from the collection and treatment of specimens to the amplification and detection of viral RNA and the validation of clinical sensitivity and specificity. We highlight the main issues surrounding molecular diagnosis of COVID-19, including false negatives from the detection of viral RNA, temporal variations of viral loads, selection and treatment of specimens, and limiting factors in detecting viral proteins. We discuss critical research needs, such as improvements in RT-PCR, development of alternative nucleic acid amplification techniques, incorporating CRISPR technology for point-of-care (POC) applications, validation of POC tests, and sequencing of viral RNA and its mutations. Improved assays are also needed for environmental surveillance or wastewater-based epidemiology, which gauges infection on the community level through analyses of viral components in the community's wastewater. Public health surveillance benefits from large-scale analyses of antibodies in serum, although the current serological tests do not quantify neutralizing antibodies. Further advances in analytical technology and research through multidisciplinary collaboration will contribute to the development of mitigation strategies, therapeutics, and vaccines. Lessons learned from molecular diagnosis of COVID-19 are valuable for better preparedness in response to other infectious diseases.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,515

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,172
Tête enseignante GPT0,401
Écart entre enseignants0,228 · 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