Diagnostic Accuracy of Assays Using Point-of-Care Testing or Dried Blood Spot Samples for the Determination of Hepatitis C Virus RNA: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Finger-stick point-of-care and dried blood spot (DBS) hepatitis C virus (HCV) RNA testing increases testing uptake and linkage to care. This systematic review evaluated the diagnostic accuracy of point-of-care testing and DBS to detect HCV RNA. METHODS: Bibliographic databases and conference presentations were searched for eligible studies. Meta-analysis was used to pool estimates. RESULTS: Of 359 articles identified, 43 studies were eligible and included. When comparing the Xpert HCV Viral Load Fingerstick assay to venous blood samples (7 studies with 987 samples), the sensitivity and specificity for HCV RNA detection was 99% (95% confidence interval [CI], 97%-99%) and 99% (95% CI, 94%-100%) and for HCV RNA quantification was 100% (95% CI, 93%-100%) and 100% (95% CI, 94%-100%). The proportion of invalid results following Xpert HCV Viral Load Fingerstick testing was 6% (95% CI, 3%-11%). When comparing DBS to venous blood samples (28 studies with 3988 samples) the sensitivity and specificity for HCV RNA detection was 97% (95% CI, 95%-98%) and 100% (95% CI, 98%-100%) and for HCV RNA quantification was 98% (95% CI, 96%-99%) and 100% (95% CI, 95%-100%). CONCLUSIONS: Excellent diagnostic accuracy was observed across assays for detection of HCV RNA from finger-stick and DBS samples. The proportion of invalid results following Xpert HCV Viral Load Fingerstick testing highlights the importance of operator training and quality assurance programs.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,148 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».