MétaCan
Menu
Retour à la cohorte
Enregistrement W4293392998 · doi:10.1016/j.heliyon.2022.e10270

Comparative performance data for multiplex SARS-CoV-2 serological assays from a large panel of dried blood spot specimens

2022· article· en· W4293392998 sur OpenAlexafffund
François Cholette, Rissa Fabia, Angela Harris, Hannah Ellis, Karla Cachero, Lukas Schroeder, Christine Mesa, Philip Lacap, Corey Arnold, Yannick Galipeau, Marc‐André Langlois, Karen Colwill, Anne‐Claude Gingras, Allison McGeer, Elizabeth Giles, Jacqueline Day, Carla Osiowy, Yves Durocher, Catherine Hankins, Bruce Mazer, Michael Drebot, John Kim

Notice bibliographique

RevueHeliyon · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensMcGill UniversityNational Research Council CanadaUniversity of TorontoInstitute of Infection and ImmunityUniversity of OttawaLunenfeld-Tanenbaum Research InstituteMount Sinai HospitalUniversity of ManitobaPublic Health Agency of Canada
Organismes subventionnairesCanada Foundation for InnovationGovernment of OntarioOntario GenomicsGenome Canada
Mots-clésDried blood spotMultiplexMedicineCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)SerologyVirologyDried bloodAntibody titerPandemicAntibodyImmunoassayTiter2019-20 coronavirus outbreakImmunologyBiologyDiseaseInternal medicineInfectious disease (medical specialty)Bioinformatics

Résumé

récupéré en direct d'OpenAlex

The extent of the COVID-19 pandemic will be better understood through serosurveys and SARS-CoV-2 antibody testing. Dried blood spot (DBS) samples will play a central role in large scale serosurveillance by simplifying biological specimen collection and transportation, especially in Canada. Direct comparative performance data on multiplex SARS-CoV-2 assays resulting from identical DBS samples are currently lacking. In our study, we aimed to provide performance data for the BioPlex 2200 SARS-CoV-2 IgG (Bio-Rad), V-PLEX SARS-CoV-2 Panel 2 IgG (MSD), and Elecsys Anti-SARS-CoV-2 (Roche) commercial assays, as well as for two highly scalable in-house assays (University of Ottawa and Mount Sinai Hospital protocols) to assess their suitability for DBS-based SARS-CoV-2 DBS serosurveillance. These assays were evaluated against identical panels of DBS samples collected from convalescent COVID-19 patients ( n = 97) and individuals undergoing routine sexually transmitted and bloodborne infection (STBBI) testing prior to the COVID-19 pandemic ( n = 90). Our findings suggest that several assays are suitable for serosurveillance (sensitivity >97% and specificity >98%). In contrast to other reports, we did not observe an improvement in performance using multiple antigen consensus-based rules to establish overall seropositivity. This may be due to our DBS panel which consisted of samples collected from convalescent COVID-19 patients with significant anti-spike, -receptor binding domain (RBD), and -nucleocapsid antibody titers. This study demonstrates that biological specimens collected as DBS coupled with one of several readily available assays are useful for large-scale COVID-19 serosurveillance.

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)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,226
Tête enseignante GPT0,395
Écart entre enseignants0,169 · 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'étudeObservationnel
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

Citations18
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHeliyonMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207