MétaCan
Menu
Retour à la cohorte
Enregistrement W3194671730 · doi:10.1101/2021.08.13.21261968

Rapid antigen testing as a reactive response to surges in nosocomial SARS-CoV-2 outbreak risk

2021· preprint· en· W3194671730 sur OpenAlexfundno aff
David R. Smith, Audrey Duval, Jean Ralph Zahar, Lulla Opatowski, Laura Temime

Notice bibliographique

RevuemedRxiv · 2021
Typepreprint
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchUniversité de Versailles Saint-Quentin-en-YvelinesConservatoire National des Arts et MétiersUniversité Paris-SaclayFondation de FranceInstitut National de la Santé et de la Recherche MédicaleAgence Nationale de la Recherche
Mots-clésOutbreakTransmission (telecommunications)VaccinationMedicineSocial distanceIncidence (geometry)PandemicHealth careSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)PopulationEnvironmental healthCoronavirus disease 2019 (COVID-19)VirologyEmergency medicineDiseaseInternal medicineInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Abstract Healthcare facilities are vulnerable to SARS-CoV-2 introductions and subsequent nosocomial outbreaks. Antigen rapid diagnostic testing (Ag-RDT) is widely used for population screening, but its health and economic benefits as a reactive response to local surges in outbreak risk are unclear. We simulate SARS-CoV-2 transmission in a long-term care hospital with varying COVID-19 containment measures in place (social distancing, face masks, vaccination). Across scenarios, nosocomial incidence is reduced by up to 40-47% (range of means) with routine symptomatic RT-PCR testing, 59-63% with the addition of a timely round of Ag-RDT screening, and 69-75% with well-timed two-round screening. For the latter, a delay of 4-5 days between the two screening rounds is optimal for transmission prevention. Screening efficacy varies depending on test sensitivity, test type, subpopulations targeted, and community incidence. Efficiency, however, varies primarily depending on underlying outbreak risk, with health-economic benefits scaling by orders of magnitude depending on the COVID-19 containment measures in place.

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)0,003
score de la tête « metaresearch » (Gemma)0,035
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
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 enseignants0,032
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,035
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
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 Opus0,078
Tête enseignante GPT0,340
Écart entre enseignants0,262 · 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.

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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetSARS-CoV-2 detection and testingTravaux en français237 207