Recommendations for sample pooling on the Cepheid GeneXpert® system using the Cepheid Xpert® Xpress SARS-CoV-2 assay
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The coronavirus disease 2019 (Covid-19) pandemic, caused by SARS-CoV-2, has resulted in a global testing supply shortage. In response, pooled testing has emerged as a promising strategy that can immediately increase testing capacity. In pooled sample testing, multiple samples are combined (or pooled) together and tested as a single unit. If the pool is positive, the individual samples can then be individually tested to identify the positive case(s). Here, we provide support for the adoption of sample pooling with the point-of-care Cepheid Xpert® Xpress SARS-CoV-2 molecular assay. Corroborating previous findings, the limit of detection of this assay was comparable to laboratory-developed reverse-transcription quantitative PCR SARS-CoV-2 tests, with observed detection below 100 copies/mL. The Xpert® Xpress assay detected SARS-CoV-2 after samples with minimum viral loads of 461 copies/mL were pooled in groups of six. Based on these data, we recommend the adoption of pooled testing with the Xpert® Xpress SARS-CoV-2 assay where warranted based on public health needs. The suggested number of samples per pool, or the pooling depth, is unique for each point-of-care testing site and can be determined by the positive test rates. To statistically determine appropriate pooling depth, we have calculated the pooling efficiency for numerous combinations of pool sizes and test rates. This information is included as a supplemental dataset that we encourage public health authorities to use as a guide to make recommendations that will maximize testing capacity and resource conservation.
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 découle