MétaCan
Menu
Retour à la cohorte
Enregistrement W3180409609 · doi:10.1128/spectrum.00086-21

Saliva Testing Is Accurate for Early-Stage and Presymptomatic COVID-19

2021· article· en· W3180409609 sur OpenAlexfundno aff
Abigail J. Johnson, Shannon Zhou, Suzie Hoops, Benjamin Hillmann, Matthew Schomaker, Robyn Kincaid, Jerry Daniel, Kenneth B. Beckman, Daryl M. Gohl, Sophia Yohe, Dan Knights, Andrew C. Nelson

Notice bibliographique

RevueMicrobiology Spectrum · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensnon disponible
Organismes subventionnairesDNA GenotekUniversity of Minnesota
Mots-clésCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Public healthSalivaStage (stratigraphy)VirologyCoronavirus InfectionsMedicineEnvironmental healthDiseaseBiologyPathologyInternal medicineInfectious disease (medical specialty)Outbreak

Résumé

récupéré en direct d'OpenAlex

Methods for COVID-19 detection are necessary for public health efforts to monitor the spread of disease. Nasopharyngeal samples have been considered the best approach for COVID-19 testing. However, alternative samples like self-collected saliva offer advantages for population-scale screening. Meta-analyses of recent studies suggest that saliva is useful for detecting SARS-CoV-2; however, differences in disease prevalence, sample collection, and analysis methods still confound strong conclusions on the utility of saliva compared to nasopharyngeal samples. Here, we find that the sensitivity of saliva testing is related to both the timing of the sample collection relative to symptom onset and the disease stage. Importantly, several clinical vignettes in our cohorts highlight the challenges of medical decision making with limited knowledge of the associations between laboratory test data and the natural biology of infection.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,638

Scores Codex et Gemma par catégorie

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

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 Opus0,066
Tête enseignante GPT0,331
Écart entre enseignants0,265 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations20
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicrobiology SpectrumMême sujetSARS-CoV-2 detection and testingTravaux en français237 207