Dried blood spot specimens for SARS-CoV-2 antibody testing: A multi-site, multi-assay comparison
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The true severity of infection due to COVID-19 is under-represented because it is based on only those who are tested. Although nucleic acid amplifications tests (NAAT) are the gold standard for COVID-19 diagnostic testing, serological assays provide better population-level SARS-CoV-2 prevalence estimates. Implementing large sero-surveys present several logistical challenges within Canada due its unique geography including rural and remote communities. Dried blood spot (DBS) sampling is a practical solution but comparative performance data on SARS-CoV-2 serological tests using DBS is currently lacking. Here we present test performance data from a well-characterized SARS-CoV-2 DBS panel sent to laboratories across Canada representing 10 commercial and 2 in-house developed tests for SARS-CoV-2 antibodies. Three commercial assays identified all positive and negative DBS correctly corresponding to a sensitivity, specificity, positive predictive value, and negative predictive value of 100% (95% CI = 72.2, 100). Two in-house assays also performed equally well. In contrast, several commercial assays could not achieve a sensitivity greater than 40% or a negative predictive value greater than 60%. Our findings represent the foundation for future validation studies on DBS specimens that will play a central role in strengthening Canada's public health policy in response to COVID-19.
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.
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 | 0,000 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle