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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 source (Gemma direct ou Codex distillé), 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