Analytical Performance of COVID-19 Detection Methods (RT-PCR): Scientific and Societal Concerns
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background. Health and social management of the SARS-CoV-2 epidemic, responsible for the COVID-19 disease, requires both screening tools and diagnostic procedures. Reliable screening tests aim at identifying (truely) infectious individuals that can spread the viral infection and therefore are essential for tracing and harnessing the epidemic diffusion. Instead, diagnostic tests should supplement clinical and radiological findings, thus helping in establishing the diagnosis. Several analytical assays, mostly using RT-PCR-based technologies, have become commercially available for healthcare workers and clinical laboratories. However, such tests showed some critical limitations, given that a relevant number of both false-positive and false-negative cases have been so far reported. Moreover, those analytical techniques demonstrated to be significantly influenced by pre-analytical biases, while the sensitivity showed a dramatic time dependency. Aim. Herein, we critically investigate limits and perspectives of currently available RT-PCR techniques, especially when referring to the required performances in providing reliable epidemiological and clinical information. Key Concepts. Current data cast doubt on the use of RT-PCR swabs as a screening procedure for tracing the evolution of the current SARS-COV-2 pandemic. Indeed, the huge number of both false-positive and false-negative results deprives the trustworthiness of decision making based on those data. Therefore, we should refine current available analytical tests to quickly identify individuals able to really transmit the virus, with the aim to control and prevent large outbreaks.
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.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle