MétaCan
Menu
Retour à la cohorte
Enregistrement W3111424223 · doi:10.3390/jcm9123989

Characterization of a Pan-Immunoglobulin Assay Quantifying Antibodies Directed against the Receptor Binding Domain of the SARS-CoV-2 S1-Subunit of the Spike Protein: A Population-Based Study

2020· article· en· W3111424223 sur OpenAlexaff
Anna Schaffner, Lorenz Risch, Stefanie Aeschbacher, Corina Risch, Myriam Weber, Sarah Thiel, Katharina Jüngert, Michael Pichler, Kirsten Grossmann, Nadia Wohlwend, Thomas Lung, Dorothea Hillmann, Susanna Bigler, Thomas Bodmer, Mauro Imperiali, Harald Renz, Philipp Köhler, Pietro Vernazza, Christian R. Kahlert, Raphael Twerenbold, Matthias Paprotny, David Conen, Martin Risch

Notice bibliographique

RevueJournal of Clinical Medicine · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensMcMaster UniversityPopulation Health Research Institute
Organismes subventionnairesInnovative Medicines Initiative
Mots-clésMedicineAntibodyInterquartile rangeImmunoassayPopulationImmunologySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Immunoglobulin GCoronavirusSerologyConfidence intervalInternal medicineVirologyGastroenterologyCoronavirus disease 2019 (COVID-19)DiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Pan-immunoglobulin assays can simultaneously detect IgG, IgM and IgA directed against the receptor binding domain (RBD) of the S1 subunit of the spike protein (S) of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2 S1-RBD Ig). In this work, we aim to evaluate a quantitative SARS-CoV-2 S1-RBD Ig electrochemiluminescence immunoassay (ECLIA) regarding analytical, diagnostic, operational and clinical characteristics. Our work takes the form of a population-based study in the principality of Liechtenstein, including 125 cases with clinically well-described and laboratory confirmed SARS-CoV-2 infection and 1159 individuals without evidence of coronavirus disease 2019 (COVID-19). SARS-CoV-2 cases were tested for antibodies in sera taken with a median of 48 days (interquartile range, IQR, 43–52) and 139 days (IQR, 129–144) after symptom onset. Sera were also tested with other assays targeting antibodies against non-RBD-S1 and -S1/S2 epitopes. Sensitivity was 97.6% (95% confidence interval, CI, 93.2–99.1), whereas specificity was 99.8% (95% CI, 99.4–99.9). Antibody levels linearly decreased from hospitalized patients to symptomatic outpatients and SARS-CoV-2 infection without symptoms (p < 0.001). Among cases with SARS-CoV-2 infection, smokers had lower antibody levels than non-smokers (p = 0.04), and patients with fever had higher antibody levels than patients without fever (p = 0.001). Pan-SARS-CoV-2 S1-RBD Ig in SARS-CoV-2 infection cases significantly increased from first to second follow-up (p < 0.001). A substantial proportion of individuals without evidence of past SARS-CoV-2 infection displayed non-S1-RBD antibody reactivities (248/1159, i.e., 21.4%, 95% CI, 19.1–23.4). In conclusion, a quantitative SARS-CoV-2 S1-RBD Ig assay offers favorable and sustained assay characteristics allowing the determination of quantitative associations between clinical characteristics (e.g., disease severity, smoking or fever) and antibody levels. The assay could also help to identify individuals with antibodies of non-S1-RBD specificity with potential clinical cross-reactivity to SARS-CoV-2.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,161
Tête enseignante GPT0,436
Écart entre enseignants0,274 · 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'étudeObservationnel
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

Citations51
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical MedicineMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207