MétaCan
Menu
Retour à la cohorte
Enregistrement W3152533449 · doi:10.1101/2021.04.15.21255569

Using rapid (point-of-care) tests for COVID-19: A decision analysis comparing the expected benefit of two screening strategies

2021· preprint· en· W3152533449 sur OpenAlexafffundabout
Raymond H. Baillargeon, Xavier Seyer, Éricka Bernard-Bédard

Notice bibliographique

RevuemedRxiv · 2021
Typepreprint
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesUniversity of Ottawa
Mots-clésCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakTest strategyMedicineActuarial sciencePsychologyStatisticsComputer scienceVirologyMathematicsEconomicsInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background Rapid tests for COVID-19 could be used to augment the otherwise limited laboratory-based testing capacity, but there are concerns that their utility may be compromised by their limited accuracy. The objective of this article is to compare the expected benefit (EB) of two screening strategies, one with rapid tests (SwRT) and another one without rapid tests . Methods We performed a decision analysis, with the overall EB defined as the proportion of correctly identified individuals minus the proportion of incorrectly identified individuals. Accordingly, the SwRT strategy will be deemed a better screening strategy if its lesser EB for COVID-19 free individuals is more than compensated by its greater EB for COVID-19 individuals. Otherwise, it will not. Results As expected, the EB for COVID-19 individuals was greater for the SwRT strategy, with a far superior ability to rule out the presence of COVID-19. In fact, under the scenario of interest (i.e., 8000 ID Now rapid tests in addition to 28185 lab-based RT-PCR tests), it identified almost 16% more COVID-19 individuals than the strategy. In addition, the EB for COVID-19 free individuals was the same for both strategies, with a perfect ability at ruling in the presence of COVID-19. Conclusion The SwRT strategy identified more COVID-19 individuals and this gain was not obtained at the detriment of COVID-19 free individuals who were equally well identified by both strategies. Hence, the SwRT strategy is a better screening strategy for COVID-19. It represents an opportunity to curtail the spread of SARS-CoV-2 that we may not afford to miss with new more contagious variants becoming more and more common in Canada.

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)0,045
score de la tête « metaresearch » (Gemma)0,070
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,237

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0450,070
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,180
Tête enseignante GPT0,418
Écart entre enseignants0,237 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetSARS-CoV-2 detection and testingTravaux en français237 207