Serological Evaluation of Human Antibodies of the Immunoglobulin Class A and G Against SARS-CoV-2 in Serum Collected in Newfoundland and Labrador
Notice bibliographique
Résumé
The ability to detect antibodies to severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) is currently under investigation with various performance characteristics and indications for use. In this article, we analyzed the ability of the Abbott SARS-CoV-2 immunoglobulin class G (IgG), EuroImmun SARS-CoV-2 enzyme-linked immunosorbent assay (ELISA) IgG, and EuroImmun SARS-CoV-2 ELISA immunoglobulin class A (IgA) kits to detect evidence of previous infection with SARS-CoV-2. We tested 49 known coronavirus disease-19 (COVID-19) patients and 111 prepandemic stored serology specimens. This resulted in a sensitivity of 95.9%, 100.0%, and 91.3% and a specificity of 98.2%, 98.2%, and 90.8% respectively, using manufacturer recommended cutoffs after inconclusive results (one for EuroImmun IgG and five for EuroImmun IgA) being excluded in the final statistical analyses. Cross-reactivity of hepatitis C virus seropositive specimens was observed resulting in false positives (p < 0.05). If a two-tiered algorithmic approach was applied, that is, testing with Abbott SARS-CoV-2 assay followed by EuroImmun SARS-CoV-2 IgG, 100% specificity and sensitivity could be obtained after six inconclusive results were excluded from data set before statistical analyses. Performance characteristics presented demonstrate the superior performance of IgG class antibodies for investigating previous infections. In addition, utilizing a second antibody test for supplementary testing may significantly enhance performance, particularly in lower prevalence settings.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».