Multicenter international assessment of a SARS-CoV-2 RT-LAMP test for point of care clinical application
Notice bibliographique
Résumé
Continued waves, new variants, and limited vaccine deployment mean that SARS-CoV-2 tests remain vital to constrain the coronavirus disease 2019 (COVID-19) pandemic. Affordable, point-of-care (PoC) tests allow rapid screening in non-medical settings. Reverse-transcription loop-mediated isothermal amplification (RT-LAMP) is an appealing approach. A crucial step is to optimize testing in low/medium resource settings. Here, we optimized RT-LAMP for SARS-CoV-2 and human β-actin, and tested clinical samples in multiple countries. "TTTT" linker primers did not improve performance, and while guanidine hydrochloride, betaine and/or Igepal-CA-630 enhanced detection of synthetic RNA, only the latter two improved direct assays on nasopharygeal samples. With extracted clinical RNA, a 20 min RT-LAMP assay was essentially as sensitive as RT-PCR. With raw Canadian nasopharygeal samples, sensitivity was 100% (95% CI: 67.6% - 100%) for those with RT-qPCR Ct values ≤ 25, and 80% (95% CI: 58.4% - 91.9%) for those with 25 < Ct ≤ 27.2. Highly infectious, high titer cases were also detected in Colombian and Ecuadorian labs. We further demonstrate the utility of replacing thermocyclers with a portable PoC device (FluoroPLUM). These combined PoC molecular and hardware tools may help to limit community transmission of SARS-CoV-2.
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 | 0,024 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».