Étude PRONTO : Rendement clinique de l’ID NOW chez les personnes présentant des symptômes compatibles avec le SRAS-CoV-2 dans les centres désignés de dépistage — réduction des délais pour la recherche des contacts
Notice bibliographique
Résumé
Contexte : Cette étude PRONTO a examiné le rendement clinique de la méthode diagnostique COVID-19 d’Abbott ID NOWTM (IDN) utilisé au point de service et son impact sur le délai de divulgation des résultats du test. Méthodes : Étude prospective menée de décembre 2020 à février 2021 chez des participants avec des symptômes aigus se présentant dans trois centres désignés de dépistage de la province de Québec. Résultats : Des échantillons appariés valides ont été obtenus auprès de 2 372 participants. Un résultat positif soit pour l’IDN, soit au test d’amplification des acides nucléiques standard (TAAN-S a été obtenu chez 423 participants (prévalence de 17,8 %). Les sensibilités globales de l’IDN et du TAAN-S étaient de 96,4 % (IC 95 % : 94,2–98,0 %) et 99,1 % (IC 95 % : 97,6–99,8), respectivement; les valeurs prédictives négatives étaient de 99,2 % (IC 95 % : 98,7–99,6%) et 99,8% (IC 95 % : 99,5–100 %), respectivement. Le délai d’obtention de résultats positifs était nettement plus rapide avec l’IDN. Conclusion : D’après notre expérience, l’utilisation de l’IDN chez les personnes symptomatiques dans les centres désignés de dépistage est une alternative sensible fiable au TAAN-S, sans qu’il soit nécessaire de confirmer ultérieurement les résultats négatifs. Ce déploiement peut accélérer la recherche des contacts, réduire la charge des laboratoires et améliorer l’accès aux tests.
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 | 0,013 | 0,023 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».