MétaCan
Menu
Retour à la cohorte
Enregistrement W3096856647 · doi:10.17504/protocols.io.bks6kwhe

LooK SPOT Antigen Rapid Test System v1

2020· preprint· en· W3096856647 sur OpenAlexaff
Diego Lai

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMedicine
ThématiqueCOVID-19 diagnosis using AI
Établissements canadiensLaipac Technology (Canada)
Organismes subventionnairesnon disponible
Mots-clésAntigenSample (material)UploadComputer scienceVirologyBiologyChromatographyChemistryImmunologyOperating system

Résumé

récupéré en direct d'OpenAlex

LooK SPOT COVID-19 antigen rapid test uses a smartphone-based LooK SPOT reader, antigen cassette, and LocationNow AI Cloud to qualitatively detect the SARS-CoV-2 Nucleocapsid protein antigen within 5 minutes. The reagent is used to detect the SARS-CoV-2 nucleocapsid protein antigen, which is usually present in the upper respiratory tract sample in the acute phase of infection. When a positive result is presented, it means that there are viral antigens in the sample. The LooK SPOT system consists of 5 key components: LooK SPOT reader LooK SPOT app LooK COVID-19 antigen cassette LooK PASS app LocationNow AI Cloud To start the test, the patient has to download and register the LooK PASS app from the app stores. The patient scans the QR code of the LooK COVID-19 antigen cassette with the LooK PASS app, and the information is uploaded to the LocationNow AI Cloud for the registration of the test. Then place the nasopharyngeal swab with the sample of the patient into the Extraction Buffer Tube. Stir the nasopharyngeal swab in the Extraction Buffer Tube and wait for one (1) minute. The virus particles in the sample are disrupted and exposing the internal viral nucleoproteins. Use the liquid dropper to extract the liquid inside the tube and apply three drops in the sample window of the antigen cassette. Insert the antigen cassette into LooK SPOT reader attached to a smartphone by using the camera of the smartphone to take pictures from the sample. LooK SPOT reader detects the ID of the LooK antigen cassette and sends these images of the sample reading to LocationNow AI cloud for analysis. LocationNow AI cloud analyzes the images of the fluorescent signal of the sample by using proprietary AI algorithms and returns results of Positive, Negative, or Invalid to the LooK SPOT reader within 5 minutes. The same result is also sent to the patient's smartphone's LooK PASS app. This test procedure is secured with full privacy. LocationNow AI algorithms have reduced the false-negative cases caused by human visual check errors. LooK COVID-19 antigen rapid test is designed for use at the Point of Entry for the revival of the economy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,087
Score d'incertitude au seuil0,290

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0870,062

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 Opus0,051
Tête enseignante GPT0,317
Écart entre enseignants0,266 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCOVID-19 diagnosis using AITravaux en français237 207