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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».