Performance of Saliva, Oropharyngeal Swabs, and Nasal Swabs for SARS-CoV-2 Molecular Detection: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
ABSTRACT Background Nasopharyngeal (NP) swabs are considered the highest-yield sample for diagnostic testing for respiratory viruses, including SARS-CoV-2. The need to increase capacity for SARS-CoV-2 testing in a variety of settings, combined with shortages of sample collection supplies, have motivated a search for alternative sample types with high sensitivity. We systematically reviewed the literature to understand the performance of alternative sample types compared to NP swabs. Methods We systematically searched PubMed, Google Scholar, medRxiv, and bioRxiv (last retrieval October 1st, 2020) for comparative studies of alternative specimen types [saliva, oropharyngeal (OP), and nasal (NS) swabs] versus NP swabs for SARS-CoV-2 diagnosis using nucleic acid amplification testing (NAAT). A logistic-normal random-effects meta-analysis was performed to calculate % positive alternative-specimen, % positive NP, and % dual positives overall and in sub-groups. The QUADAS 2 tool was used to assess bias. Results From 1,253 unique citations, we identified 25 saliva, 11 NS, 6 OP, and 4 OP/NS studies meeting inclusion criteria. Three specimen types captured lower % positives [NS (0.82, 95% CI: 0.73-0.90), OP (0.84, 95% CI: 0.57-1.0), saliva (0.88, 95% CI: 0.81 – 0.93)] than NP swabs, while combined OP/NS matched NP performance (0.97, 95% CI: 0.90-1.0). Absence of RNA extraction (saliva) and utilization of a more sensitive NAAT (NS) substantially decreased alternative-specimen yield. Conclusions NP swabs remain the gold standard for diagnosis of SARS-CoV-2, although alternative specimens are promising. Much remains unknown about the impact of variations in specimen collection, processing protocols, and population (pediatric vs. adult, late vs. early in disease course) and head-to head studies of sampling strategies are urgently needed.
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 | 0,016 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,034 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».