Evaluation of recombinase-based isothermal amplification assays for point-of-need detection of SARS-CoV-2 in resource-limited settings
Notice bibliographique
Résumé
OBJECTIVES: The democratization of diagnostics is one of the key challenges towards containing the transmission of coronavirus disease 2019 (COVID-19) around the globe. The operational complexities of existing PCR-based methods, including sample transfer to advanced central laboratories with expensive equipment, limit their use in resource-limited settings. However, with the advent of isothermal technologies, the detection of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) is possible at decentralized facilities. METHODS: In this study, two recombinase-based isothermal techniques, reverse transcription recombinase polymerase amplification (RT-RPA) and reverse transcription recombinase-aided amplification (RT-RAA), were evaluated for the detection of SARS-CoV-2 in clinical samples. A total of 76 real-time reverse transcription PCR (real-time RT-PCR) confirmed COVID-19 cases and 100 negative controls were evaluated to determine the diagnostic performance of the isothermal methods. RESULTS: This investigation revealed equally promising diagnostic accuracy of the two methods, with a sensitivity of 76.32% (95% confidence interval 65.18-85.32%) when the target genes were RdRP and ORF1ab for RT-RPA and RT-RAA, respectively; the combination of N and RdRP in RT-RPA augmented the accuracy of the assay at a sensitivity of 85.53% (95% confidence interval 75.58-92.55%). Furthermore, high specificity was observed for each of the methods, ranging from 94.00% to 98.00% (95% confidence interval 87.40-9.76%). CONCLUSIONS: Considering the diagnostic accuracies, both RT-RPA and RT-RAA appear to be suitable assays for point-of-need deployment for the detection of the pathogen, understanding its epidemiology, case management, and curbing transmission.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».