Antigen Detection Tests for SARS-CoV-2: a systematic review and meta-analysis on real world data.
Notice bibliographique
Résumé
Background and aim Rapid antigen detection (RAD) tests on nasopharyngeal specimens have been recently made available for SARS-CoV-2 infections, and early studies suggested their potential utilization as rapid screening and diagnostic testing. The present systematic review and meta-analysis was aimed to assess available evidence and to explore the reliability of antigenic tests in the management of the SARS-CoV-2 pandemic. MATERIALS AND METHODS: We reported our meta-analysis according to the PRISMA statement. We searched Pubmed, Embase, and pre-print archive medRxiv.og for eligible studies published up to November 5th, 2020. Raw data included true/false positive and negative tests, and the total number of tests. Sensitivity and specificity data were calculated for every study, and then pooled in a random-effects model. Heterogeneity was assessed using the I2 measure. Reporting bias was assessed by means of funnel plots and regression analysis. RESULTS: Based on 25 studies, we computed a pooled sensitivity of 72.8% (95%CI 62.4-81.3), a specificity of 99.4% (95%CI 99.0-99.7), with high heterogeneity and risk of reporting bias. More precisely, RAD tests exhibited higher sensitivity on samples with high viral load (i.e. <25 Cycle Threshold; 97.6%; 95%CI 94.1-99.0), compared to those with low viral load (≥25 Cycle Threshold; 43.6%; 95% 27.6-61.1). DISCUSSION: As the majority of collected reports were either cohort or case-control studies, deprived of preventive power analysis and often oversampling positive tests, overall performances may have been overestimated. Therefore, the massive referral to antigenic tests in place of RT-qPCR is currently questionable, and also their deployment as mass screening test may lead to intolerable share of missing diagnoses. On the other hand, RAD tests may find a significant role in primary care and in front-line settings (e.g. Emergency Departments). (www.actabiomedica.it).
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 | 0,016 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,042 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».