Bayesian latent class model estimates of diagnostic accuracy for three test methods designed to detect spring viremia of carp virus
Notice bibliographique
Résumé
Spring viremia of carp virus (SVCV) causes a systemic hemorrhagic disease that poses a significant risk to wild and cultured fish and is listed as notifiable by the World Organization for Animal Health. Validated molecular diagnostic tools for SVCV are required to accurately describe and analyze the ecology of the virus. Here, the diagnostic specificity (DSp) and sensitivity (DSe) (i.e. accuracy) of three SVCV diagnostic tests - 2 reverse transcription quantitative polymerase chain reaction (RT-qPCR) assays Q1G and Q2N and virus isolation by cell culture (VI) - were evaluated using 2-class latent class models run in maximum likelihood (ML) and Bayesian frameworks. Virus-free or experimentally-infected koi were sorted into three populations with low, moderate or high prevalence levels of SVCV (n = 269 fish in total). Koi kidney tissues were tested using Q2N and Q1G and for the VI assay, pools of kidney, spleen and gill tissues were used. All samples were blinded and analyzed in one laboratory. The ML and Bayesian approaches successfully estimated the diagnostic accuracy of the 3 tests with the exception of 1 ML model. The estimates were consistent across the two frameworks. The DSe estimates were higher for Q1G (>98 %) and Q2N (>96 %) compared to VI (>60 %). The DSp of all three tests varied by 12-15 % (79-91 % for Q1G, 79-94 % for Q2N and 81-97 % for VI) across same-fish samples revealing the potential range in test performance for one sample. The 3 fish populations had distinct SVCV prevalence levels estimated at 0-3 % (low), 70-73 % (moderate) and 95-96 % (high). The Bayesian covariance models revealed minor DSe dependence between Q1G and Q2N. The results suggested that SVCV diagnostic tests Q2N and Q1G are suitable for use as diagnostic assays and are fit for presumptive diagnosis, surveillance, and certification of populations or individuals as SVCV free.
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 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 | 0,007 |
| 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».