A Telemedicine-Guided Self-Collection Approach for PCR-Based SARS-CoV-2 Testing: Comparative Study
Notice bibliographique
Résumé
BACKGROUND: Large-scale, polymerase chain reaction (PCR)-based SARS-CoV-2 testing is expensive, resource intensive, and time consuming. A self-collection approach is a probable alternative; however, its feasibility, cost, and ability to prevent infections need to be evaluated. OBJECTIVE: This study aims to compare an innovative self-collection approach with a regular SARS-CoV-2 testing strategy in a large European industrial manufacturing site. METHODS: The feasibility of a telemedicine-guided PCR-based self-collection approach was assessed for 150 employees (intervention group) and compared with a regular SARS-CoV-2 testing approach used for 143 employees (control group). Acceptance, ergonomics, and efficacy were evaluated using a software application. A simulation model was implemented to evaluate the effectiveness. An interactive R shiny app was created to enable customized simulations. RESULTS: The test results were successfully communicated to and interpreted without uncertainty by 76% (114/150) and 76.9% (110/143) of the participants in the intervention and control groups, respectively (P=.96). The ratings for acceptability, ergonomics, and efficacy among intervention group participants were noninferior when compared to those among control group participants (acceptability: 71.6% vs 37.6%; ergonomics: 88.1% vs 74.5%; efficacy: 86.4% vs 77.5%). The self-collection approach was found to be less time consuming (23 min vs 38 min; P<.001). The simulation model indicated that both testing approaches reduce the risk of infection, and the self-collection approach tends to be slightly less effective owing to its lower sensitivity. CONCLUSIONS: The self-collection approach for SARS-CoV-2 diagnosis was found to be technically feasible and well rated in terms of acceptance, ergonomics, and efficacy. The simulation model facilitates the evaluation of test effectiveness; nonetheless, considering context specificity, appropriate adaptation by companies is required.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| 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) | 0,005 | 0,001 |
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 ».