Characteristics of SARS-CoV-2 testing for rapid diagnosis of COVID-19 during the initial stages of a global pandemic
Notice bibliographique
Résumé
Accurate SARS-CoV-2 diagnosis is essential to guide prevention and control of COVID-19. Here we examine SARS-CoV-2 molecular-based test performance characteristics and summarize case-level data related to COVID-19 diagnosis. From January 11 through April 22, 2020, Public Health Ontario conducted SARS-CoV-2 testing of 86,942 specimens collected from 80,354 individuals, primarily using real-time reverse-transcription polymerase chain reaction (rRT-PCR) methods. We analyzed test results across specimen types and for individuals with multiple same-day and multi-day collected specimens. Nasopharyngeal compared to throat swabs had a higher positivity (8.8% vs. 4.8%) and an adjusted estimate 2.9 Ct lower (SE = 0.5, p<0.001). Same-day specimens showed high concordance (98.8%), and the median Ct of multi-day specimens increased over time. Symptomatic cases had rRT-PCR results with an adjusted estimate 3.0 Ct (SE = 0.5, p<0.001) lower than asymptomatic/pre-symptomatic cases. Overall test sensitivity was 84.6%, with a negative predictive value of 95.5%. Molecular testing is the mainstay of SARS-CoV-2 diagnosis and testing protocols will continue to be dynamic and iteratively modified as more is learned about this emerging pathogen.
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 | 0,000 | 0,013 |
| 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 ».