RT-qPCR assays based on saliva rather than on nasopharyngeal swabs are possible but should be interpreted with caution: results from a systematic review and meta-analysis.
Notice bibliographique
Résumé
BACKGROUND AND AIM OF THE WORK: The ongoing pandemic has elicited an increasing interest regarding the SARS-CoV-2 viral RNA detection in saliva specimens rather than through nasopharyngeal swabs. Our aim was to conduct a meta-analysis on the sensitivity and specificity of SARS-CoV-2 viral RNA detection through RT-qPCR based on salivary specimens compared to conventional nasopharyngeal swabs. METHODS: We reported our meta-analysis according to the PRISMA statement. We searched Pubmed, Embase, and pre-print archive medRxiv.og for eligible studies published up to June 1st, 2020. Raw data included true/false positive and negative tests, and the total number of tests. Sensitivity and specificity data were calculated for every study, and then pooled in a random-effects model. Heterogeneity was assessed using the I2 measure. Reporting bias was assessed by means of funnel plots and regression analysis. RESULTS: The systematic review eventually retrieved 14 studies including a total of 15 estimates, the were included in quantitative synthesis. We found a pooled specificity of 97.7% (95%CI 93.8-99.2) and a pooled sensitivity of 83.4% (95%CI 73.1-90.4), with an overall agreement assessed by means of Cohen's kappa equals to 0.750, 95%CI 0.62-0.88 (i.e. moderate agreement), with high heterogeneity and risk of reporting bias. CONCLUSIONS: In conclusion, diagnostic tests based on salivary specimens are somewhat reliable, but relatively few studies have been carried out. Moreover, such studies are characterized by low numbers and low sample power. Therefore, the of salivary samples is currently questionable for clinical purposes and cannot substitute other more conventional RT-qPCR based on nasopharyngeal swabs.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 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 ».