MétaCan
Menu
Retour à la cohorte
Enregistrement W4206292681 · doi:10.1093/jalm/jfac004

One Swab Fits All: Performance of a Rapid, Antigen-Based SARS-CoV-2 Test Using a Nasal Swab, Nasopharyngeal Swab for Nasal Collection, and RT–PCR Confirmation from Residual Extraction Buffer

2022· article· en· W4206292681 sur OpenAlexaff
William Stokes, Byron M. Berenger, Brittney Scott, Jonas Szelewicki, Takshveer Singh, Danielle Portnoy, LeeAnn Turnbull, Kanti Pabbaraju, Sandy Shokoples, Anita Wong, Kara Gill, Jia Hu, Graham Tipples

Notice bibliographique

RevueThe Journal of Applied Laboratory Medicine · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensAlberta Health ServicesCalgary Laboratory ServicesUniversity of CalgaryAlberta Hospital EdmontonUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineThroatConfidence intervalInternal medicineSurgery

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Point-of-care SARS-CoV-2 antigen tests have great potential to help combat the COVID-19 pandemic. In the performance of a rapid, antigen-based SARS-CoV-2 test (RAT), our study had 3 main objectives: to determine the accuracy of nasal swabs, the accuracy of using nasopharyngeal swabs for nasal collection (nasalNP), and the effectiveness of using residual extraction buffer for real-time reverse-transcriptase PCR (RT-PCR) confirmation of positive RAT (rPan). METHODS: Symptomatic adults recently diagnosed with COVID-19 in the community were recruited into the study. Nasal samples were collected using either a nasalNP or nasal swab and tested immediately with the RAT in the individual's home by a health care provider. 500 µL of universal transport media was added to the residual extraction buffer after testing and sent to the laboratory for SARS-CoV-2 testing using RT-PCR. Parallel throat swabs tested with RT-PCR were used as the reference comparators. RESULTS: One hundred and fifty-five individuals were included in the study (99 nasal swabs, 56 nasalNP). Sensitivities of nasal samples tested on the RAT using either nasal or nasalNP were 89.0% [95% confidence interval (CI) 80.7%-94.6%] and 90.2% (95% CI 78.6%-96.7%), respectively. rPan positivity agreement compared to throat RT-PCR was 96.2%. CONCLUSIONS: RAT reliably detect SARS-CoV-2 from symptomatic adults in the community presenting within 7 days of symptom onset using nasal swabs or nasalNP. High agreement with rPan can avoid the need for collecting a second swab for RT-PCR confirmation or testing of variants of concern from positive RAT in this population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,312
Écart entre enseignants0,254 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Applied Laboratory MedicineMême sujetSARS-CoV-2 detection and testingTravaux en français237 207