MétaCan
Menu
Retour à la cohorte
Enregistrement W4283272866 · doi:10.3390/chemosensors10070234

Quantification of a COVID-19 Antibody Assay Using a Lateral Flow Test and a Cell Phone

2022· article· en· W4283272866 sur OpenAlexafffund
Pearl Thompson, Ana Lívia de Carvalho Bovolato, Gisela Ibáñez-Redín, Alexandre G. Brolo

Notice bibliographique

RevueChemosensors · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensUniversity of Victoria
Organismes subventionnairesBritish Columbia Knowledge Development FundNatural Sciences and Engineering Research Council of Canada
Mots-clésAntibodyCoronavirus disease 2019 (COVID-19)SalivaDetection limitFlow cytometrySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)NitrocelluloseChromatographyCellulosePhoneVirologyMaterials scienceBiomedical engineeringChemistryImmunologyMedicinePathologyBiochemistryInfectious disease (medical specialty)Membrane

Résumé

récupéré en direct d'OpenAlex

Although several biomedical assays have been developed to screen for antibodies against SARS-CoV-2, very few can be completed without drawing blood. We developed a rapid lateral flow screening tool that used saliva samples and yielded rapid results that could be quantified using a cell phone. This assay provided the sensitive detection of IgG antibodies against SARS-CoV-2 within 10 min. We started by synthesising, modifying, and characterising gold nanoparticles. Using these particles as a coloured label, we developed a lateral flow strip made of nitrocellulose, glass fibre, and cellulose material. We quantified our visual results using pictures acquired with a cell phone and calculated a limit of detection of 4 ng/mL of antibodies against the SARS-CoV-2 spike protein.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,750
Score d'incertitude au seuil0,432

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,253
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemosensorsMême sujetBiosensors and Analytical DetectionTravaux en français237 207