Evaluation of Ortho VITROS and Roche Elecsys S and NC Immunoassays for SARS‑CoV‑2 Serosurveillance Applications
Notice bibliographique
Résumé
Abstract SARS-CoV-2 seroprevalence studies are instrumental in monitoring epidemic activity and require well-characterized, high-throughput assays, and appropriate testing algorithms. The U.S. Nationwide Blood Donor Seroprevalence Study performed monthly cross-sectional serological testing from July 2020 to December 2021, implementing evolving testing algorithms in response to changes in pandemic activity. With high vaccine uptake, anti-Spike (S) reactivity rates reached >80% by May 2021, and the study pivoted from reflex Roche anti-nucleocapsid (NC) testing of Ortho S-reactive specimens to parallel Ortho S/NC testing. We evaluated the performance of the Ortho NC assay as a replacement for the Roche NC assay and compared performance of parallel S/NC testing on both platforms. Qualitative and quantitative agreement of Ortho NC with Roche NC assays was evaluated on pre-selected S/NC concordant and discordant specimens. All 200 Ortho S+/Roche NC+ specimens were reactive on the Ortho NC assay; 36% of 383 Ortho S+/Roche NC- specimens collected prior to vaccine availability and 52% of 101 Ortho S-/Roche NC+ specimens were reactive on the Ortho NC assay. Performance of parallel S/NC testing using Ortho and Roche platforms was evaluated on 200 specimens collected in 2019 and 3,903 study specimens collected in 2021. All 200 pre-COVID 2019 specimens tested negative on the four assays. Agreement of S and NC reactivity on specimens was 96.4% (3,769/3,903); most discordant results had reactivity close to the cutoffs on the alternate assays. These findings, and higher efficiency and throughput, support use of parallel S/NC testing on either Roche or Ortho platforms for large serosurveillance studies.
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 | 0,008 | 0,003 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».