MétaCan
Menu
Retour à la cohorte
Enregistrement W3090991064 · doi:10.1101/2020.09.28.20200915

SARS-CoV-2 seroprevalence survey estimates are affected by anti-nucleocapsid antibody decline

2020· preprint· en· W3090991064 sur OpenAlexaffabout
Shelly Bolotin, Vanessa Tran, Selma Osman, Kevin A. Brown, Sarah A. Buchan, Eugene Joh, Shelley L. Deeks, Vanessa Allen

Notice bibliographique

RevuemedRxiv · 2020
Typepreprint
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensPublic Health OntarioUniversity of TorontoToronto Public Health
Organismes subventionnairesnon disponible
Mots-clésSeroprevalenceAntibodySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Coronavirus disease 2019 (COVID-19)MedicineVirologyVeterinary medicineInternal medicineImmunologyDiseaseSerologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Abstract We analyzed 21,676 residual specimens from Ontario, Canada collected between March-August, 2020 to investigate the effect of antibody decline on SARS-CoV-2 seroprevalence estimates. Testing specimens orthogonally using the Abbott (anti-nucleocapsid) and then the Ortho (anti-spike) assays, seroprevalence estimates ranged from 0.4%-1.4%, despite ongoing disease activity. The geometric mean concentration (GMC) of antibody-positive specimens decreased over time (p=0.015), and the GMC of antibody-negative specimens increased over time (p=0.0018). The association between the two tests decreased each month (p<0.001), suggesting anti-N antibody decline. Lowering the Abbott index cut-off from 1.4 to 0.7 resulted in a 16% increase in positive specimens.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
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 enseignants0,020
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,084
Tête enseignante GPT0,396
Écart entre enseignants0,312 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207