A simplified alternative diagnostic algorithm for SARS-CoV-2 suspected symptomatic patients and confirmed close contacts (asymptomatic): A consensus of Latin American experts
Notice bibliographique
Résumé
INTRODUCTION: Latin America accounts for one-quarter of global COVID-19 cases and one-third of deaths. Inequalities in the region lead to barriers to the best use of diagnostic tests during the pandemic. There is a need for simplified guidelines that consider the region's limited health resources, international guidelines, medical literature, and local expertise. METHODS: Using a modified Delphi method, 9 experts from Latin American countries developed a simplified algorithm for COVID-19 diagnosis on the basis of their answers to 24 questions related to diagnostic settings, and discussion of the literature and their experiences. RESULTS: The algorithm considers 3 timeframes (≤7 days, 8-13 days, and ≥14 days) and presents diagnostic options for each. SARS-CoV-2 real- time reverse transcription-polymerase chain reaction is the test of choice from day 1 to 14 after symptom onset or close contact, although antigen testing may be used in specific circumstances, from day 5 to 7. Antibody assays may be used for confirmation, usually after day 14; however, if clinical suspicion is very high, but other tests are negative, these assays may be used as an adjunct to decision-making from day 8 to 13. CONCLUSION: The proposed algorithm aims to support COVID-19 diagnosis decision-making in Latin America.
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 | 0,030 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,006 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».