Detection of Anti-SARS-CoV-2 Nucleocapsid and Spike Antibodies in Patients with Coronavirus Disease 2019 in Japan
Notice bibliographique
Résumé
OBJECTIVES: Coronavirus Disease 2019 (COVID-19) is caused by the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). Serological testing for anti-SARS-CoV-2 nucleocapsid (N) antibodies (Abs) and anti-SARS-CoV-2 spike (S) Abs is performed to detect prior COVID-19 infection. It is still controversial which antibodies are the most sensitive and specific, and which can be detected earliest after infection. Here, we evaluated the results of serological tests of anti-SARS-CoV-2 N and S Abs in Japan. METHODS: Symptomatic COVID-19 patients (n = 84) and control patients with rheumatoid arthritis (n = 93) were recruited at Tokyo National Hospital. Anti-SARS-CoV-2 N and S Abs were measured by commercial electrochemiluminescence immunoassays. RESULTS: The fraction of patients positive for anti-SARS-CoV-2 N and S Abs was highest >14 days after symptom onset. The frequency of anti-SARS-CoV-2 S Ab positivity at this time (80.4%) tended to be slightly but not significantly lower than anti-SARS-CoV-2 N Ab positivity (84.8%). Optimized cut-off levels for anti-SARS-CoV-2 N and S Ab positivity were lower than the manufacturer's recommended cut-off levels. Using multiple linear regression analyzes with anti-SARS-CoV-2 N and S Abs, we created an Ab-index with high sensitivity. CONCLUSION: To increase the sensitivity of serological diagnostic tests for COVID-19, it is suggested that both anti-SARS-CoV-2 N and S Abs should be measured and cut-off levels decreased.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».