Rapid and Low-Cost Detection and Quantification of SARS-CoV-2 Antibody Titers of ICU Patients with Respiratory Deterioration Using a Handheld Thermo-Photonic Device
Notice bibliographique
Résumé
While research suggests that COVID-19 vaccines are effective in producing anti-SARS-CoV-2 antibodies that reduce the risk of COVID-19 and its potentially severe complications, how long these antibodies persist after the infection/vaccination is unknown. Longitudinal studies and rapid and scalable platforms are needed for large-scale sero-diagnosis and vaccine evaluation. In this study, we examine the efficacy of our recently-developed handheld thermo-photonic device for rapid and low-cost assessment of the adaptive immune response of COVID+ and COVID− patients admitted to the intensive care unit (ICU) at a local hospital due to respiratory deterioration. Antibody testing included detection and quantification of IgG and IgM via thermo-photonic sensing of a commercially available COVID-19 IgG/IgM rapid test as well as standard measurements with quantitative enzyme-linked immunosorbent assays (qELISA). The results demonstrate that the thermo-photonic reader in conjunction with COVID-19 IgG/IgM test cassettes can detect and quantify IgG levels in COVID-19 antibody assays within the clinically relevant range and with a high correlation to those obtained from qELISA. We also found that the IgG antibody is more reliable for detecting individuals with an adaptive immune response to SARS-CoV-2 compared to the IgM antibody. The developed reader offers a low-cost, portable, and scalable solution for accessing the antibody titer of individuals against SARS-CoV-2 and can be used in local hospital settings.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 | 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 ».