Systematic Review of Diagnostic Accuracy of DiaSorin Liaison SARS-CoV-2 Antigen Immunoassay.
Notice bibliographique
Résumé
Background: Quantification of SARS-CoV-2 antigens by means of rapid, high-throughput and fully-automated techniques has been proposed as a feasible alternative to overcome the current shortage of resources for routine molecular diagnostics. To this end, we provide here a systematic review of diagnostic accuracy of DiaSorin Liaison SARS-CoV-2 antigen immunoassay. Methods: An electronic search was conduced in Medline and Scopus, with no language or date restrictions (up to January 20, 2022), for identifying all published studies articles in which the diagnostic performance of the DiaSorin Liaison SARS-CoV-2 antigen immunoassay was compared with molecular diagnostic techniques. Results: The electronic search identified a final number of 11 studies, totalling 4449 oro- and naso-pharyngeal specimens. The pooled diagnostic sensitivity, specificity and area under the curve (AUC) of the Liaison SARS-CoV-2 antigen immunoassay in all samples were 0.51 (95%CI, 0.49-0.54), 1.00 (95%CI, 1.00-1.00) and 0.994 (95%CI, 0.990-0.998), respectively, whilst the overall concordance with molecular diagnostics was 82.1%. The pooled diagnostic sensitivity, specificity and AUC of the Liaison SARS-CoV-2 antigen immunoassay in specimens with high viral load (i.e., cycle threshold values <25-30) were 0.79 (95%CI, 0.75-0.82), 1.00 (95%CI, 0.99-1.00) and 0.911 (95%CI, 0.879-0.943), respectively, whilst the overall concordance with molecular diagnostics in such samples increased to 94.2%. Conclusion: The results of this systematic literature review suggest that there is sufficient accuracy of the DiaSorin Liaison SARS-CoV-2 antigen immunoassay in samples with high viral loads that would enable its reliable usage for identifying superspreaders, who are responsible for the vast majority of transmission events.
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 | 0,003 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».