Direct Clinical Evidence Recommending the Use of Proteinase K or Dithiothreitol to Pretreat Sputum for Detection of SARS-CoV-2
Notice bibliographique
Résumé
One of the primary tools for diagnosing COVID-19 is the nucleic acid-based real-time reverse transcriptase-polymerase chain reaction (RT-PCR) test performed on respiratory specimens. The detection rate of SARS-CoV-2 in lower respiratory specimens (such as sputum) is higher than that for upper respiratory specimens (such as nasal and pharyngeal swabs). However, sputum specimens are usually quite viscous, requiring a homogenization process prior to nucleic acid (NA) extraction for RT-PCR. Sputum specimens from COVID-19 and non-COVID-19 patients were treated with four commonly used reagents-saline, N-acetyl-L-cysteine (NALC), proteinase K (PK), and dithiothreitol (DTT), prior to NA extraction. These reagents were then compared for their performance in diagnosing COVID-19 in real clinical practice. The detection rate of SARS-CoV-2 in PK- or DTT-treated sputum was comparable, and higher than that in sputum treated with NALC or saline. While there was a 4.8% (1/21) false negative rate for the PK- and DTT-treated sputum, neither treatment showed any false positive cases among patients with non-COVID diseases. Moreover, sputum pretreated with saline, NALC, PK or DTT showed higher detection rates of SARS-CoV-2 as compared to pharyngeal swabs. Taken together, we provide direct evidence recommending the use of PK or DTT to pretreat sputum samples to facilitate SARS-CoV-2 detection by clinical laboratories. Moreover, our methods should help to standardize the procedure of processing sputum specimens and improve the ability to detect SARS-CoV-2 in these samples.
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 | 0,002 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».