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 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 | 0,019 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,010 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,010 |
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 ».