Evaluation of the Peterborough Public Health COVID-19 Rapid Antigen Test Self-Report Tool: Implications for COVID-19 Surveillance
Notice bibliographique
Résumé
Abstract Background The ongoing COVID-19 pandemic has necessitated novel testing strategies, including the use of Rapid Antigen Tests (RATs). The widespread distribution of RATs to the public prompted Peterborough Public Health to launch a pilot RAT self-report tool to assess its utility in COVID-19 surveillance. Objective To investigate the utility of a RAT self-report tool through an analysis of the temporal association between RAT results, PCR test results, and wastewater levels of COVID-19. Methods We investigated the association between RAT results, PCR test results, and wastewater levels of COVID-19 using Pearson’s correlation coefficient. Percent positivity and count of positive tests for RATs and PCR tests were analyzed. Results PCR percent positivity and wastewater were weakly correlated ( r =0.33 p =0.022), as were RAT percent positivity and wastewater ( r =0.33 p =0.002). RAT percent positivity and PCR percent positivity were not significantly correlated ( r= -0.035, p =0.75). Count of positive RAT tests and count of positive PCR tests were moderately correlated ( r =0.59, p <0.001). Wastewater was not significantly correlated to count of positive RAT tests ( r =0.019, p= 0.864) or count of positive PCR tests ( r =0.004, p =0.971). Conclusion Our results provide evidence in support of the use of RAT self-reporting as a low-cost simple adjunctive COVID-19 surveillance tool, and may suggest that its utility is greatest when considering an absolute count of positive RAT tests rather than percent positivity due to reporting bias towards positive tests. These results can help inform COVID-19 surveillance strategies of local Public Health Units and encourage the use of a RAT self-report tool.
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 | 0,016 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».