MétaCan
Menu
Retour à la cohorte
Enregistrement W3173937832 · doi:10.1093/cid/ciab557

The Infectious Diseases Society of America Guidelines on the Diagnosis of COVID-19: Antigen Testing (June 2021)

2021· article· en· W3173937832 sur OpenAlexaff
Kimberly E. Hanson, Osama Altayar, Angela M. Caliendo, Cesar Andres Diaz Arias, Janet A. Englund, Mary K. Hayden, Mark J. Lee, Mark Loeb, Robin Patel, Abdallah El Alayli, Shahnaz Sultan, Yngve Falck–Ytter, Valéry Lavergne, Razan Mansour, Rebecca L. Morgan, M. Hassan Murad, Payal Patel, Adarsh Bhimraj, Reem A. Mustafa

Notice bibliographique

RevueClinical Infectious Diseases · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensImpactVancouver General HospitalMcMaster University
Organismes subventionnairesCenters for Disease Control and PreventionAustralian GovernmentInfectious Diseases Society of AmericaU.S. Department of Health and Human Services
Mots-clésMedicineGuidelinePoint-of-care testingIntensive care medicineMEDLINEDiagnostic testSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Food and drug administrationGrading (engineering)Coronavirus disease 2019 (COVID-19)Family medicineInfectious disease (medical specialty)Medical emergencyPathologyPediatricsDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Immunoassays designed to detect SARS-CoV-2 protein antigens are now commercially available. The most widely used tests are rapid lateral flow assays that generate results in approximately 15 minutes for diagnosis at the point-of-care. Higher throughput, laboratory-based SARS-CoV-2 antigen (Ag) assays have also been developed. The overall accuracy of SARS-CoV-2 Ag tests, however, is not well defined. The Infectious Diseases Society of America (IDSA) convened an expert panel to perform a systematic review of the literature and develop best practice guidance related to SARS-CoV-2 Ag testing. This guideline is the third in a series of rapid, frequently updated COVID-19 diagnostic guidelines developed by IDSA. OBJECTIVE: IDSA's goal was to develop evidence-based recommendations or suggestions that assist clinicians, clinical laboratories, patients, public health authorities, administrators and policymakers in decisions related to the optimal use of SARS-CoV-2 Ag tests in both medical and non-medical settings. METHODS: A multidisciplinary panel of infectious diseases clinicians, clinical microbiologists and experts in systematic literature review identified and prioritized clinical questions related to the use of SARS-CoV-2 Ag tests. Grading of Recommendations Assessment, Development and Evaluation (GRADE) methodology was used to assess the certainty of evidence and make testing recommendations. RESULTS: The panel agreed on five diagnostic recommendations. These recommendations address antigen testing in symptomatic and asymptomatic individuals as well as assess single versus repeat testing strategies. CONCLUSIONS: Data on the clinical performance of U.S. Food and Drug Administration SARS-CoV-2 Ag tests with Emergency Use Authorization is mostly limited to single, one-time testing versus standard nucleic acid amplification testing (NAAT) as the reference standard. Rapid Ag tests have high specificity and low to modest sensitivity compared to reference NAAT methods. Antigen test sensitivity is heavily dependent on viral load, with differences observed between symptomatic compared to asymptomatic individuals and the time of testing post onset of symptoms. Based on these observations, rapid RT-PCR or laboratory-based NAAT remain the diagnostic methods of choice for diagnosing SARS-CoV-2 infection. However, when molecular testing is not readily available or is logistically infeasible, Ag testing can help identify some individuals with SARS-CoV-2 infection. The overall quality of available evidence supporting use of Ag testing was graded as very low to moderate.

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)0,017
score de la tête « metaresearch » (Gemma)0,066
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,090

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,066
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,006
Bibliométrie0,0110,006
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0050,004
Intégrité de la recherche0,0090,009
Charge utile insuffisante (le modèle a refusé de juger)0,0200,018

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 Opus0,155
Tête enseignante GPT0,433
Écart entre enseignants0,278 · 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'étudeSans objet
Domainenon disponible
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations58
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Infectious DiseasesMême sujetSARS-CoV-2 detection and testingTravaux en français237 207