HCV reflex testing: A single-sample, low-contamination method that improves the diagnostic efficiency of HCV testing among patients in Alberta, Canada
Notice bibliographique
Résumé
BACKGROUND: Hepatitis C virus (HCV) can be cured with antiviral treatments. Diagnosis normally requires two blood samples, one for serology screening and one for molecular confirmation. This multi-step process creates barriers in patient care and decreases testing for hard-to-reach populations. We used the cobas® 6800 to detect HCV RNA after antibody testing to investigate whether a single-sample reflex testing method is effective and efficient for diagnosing HCV-positive patients. METHODS: HCV RNA–positive clinical samples ( n = 152) were interchangeably loaded on the ARCHITECT i2000SR with negative samples ( n = 152) in a checkerboard fashion, tested for HCV antibodies using fixed probes, and directly transferred to the cobas 6800 for molecular testing. Contamination rates, sensitivity, and specificity were determined by comparing Abbott m2000 and cobas 6800 viral loads. After implementing reflex testing, clinical data over a 6-month period were analyzed for diagnostic efficiency. RESULTS: Contamination was present in 5 of 152 pairs (3.29%) after reflex testing. Sensitivity and specificity were 99.3% (95% CI 95.1% to 99.9%) and 100% (95% CI 97.5% to 100%), respectively, using the cobas 6800 assay after serotesting. Approximately 97% of clinical patients received a conclusive test result with the reflex-testing algorithm. For HCV-positive patients, mean diagnostic turnaround times were significantly lower using reflex testing versus the two-sample method (4 versus 39 days; p < 0.0001). CONCLUSIONS: HCV reflex testing demonstrated low levels of contamination without compromising the integrity of the molecular assay. Implementation in clinical laboratories would increase the efficiency of diagnosis and decrease steps in the continuum of care for patients.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».