Molecular diagnosis of COVID-19 in Burkina Faso: successful challenge
Notice bibliographique
Résumé
COVID-19 has worsened the health situation in Burkina Faso. In fact, the country has known a peak of the second wave, which began in November, and ended around January 2021. Biological diagnosis has played a key role in the management of COVID-19. The aim of this review paper is to address the practical aspects that laboratories have faced in order to meet the challenge of SARS-CoV-2 diagnosis in Burkina Faso. According to international requirements, Burkina Faso has used real-time Reverse Transcription Polymerase Chain Reaction (rRT-PCR) as the “gold standard” for the diagnosis of COVID-19. From March 9, 2020 to July 31, 2021, in Burkina Faso, laboratories involved in COVID-19 diagnosis analyzed 226,189 samples by molecular tests and 2, 352 samples by rapid antigenic tests, whose peak was in January 2021 with 35,984 samples analyzed. The daily average rate of samples analysis was 456.02 tests. The majority of the individuals requesting COVID-19 tests were travelers (62.00%), followed by contact cases (18.42%), suspected cases (7.95%), voluntary screening (7.57%), and 4.06% of other applicants consisting of health care personnel and at-risk patients. In terms of prevention, vaccines are being administered to the general population. However, some efforts must be made to provide automated sample analysis equipment and complete sequencing of SARS-CoV-2 remains among the challenges.
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 | 0,007 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».