Utility of the Peterborough Public Health COVID-19 rapid antigen test self-report tool: Implications for COVID-19 surveillance
Notice bibliographique
Résumé
Background: The ongoing coronavirus disease 2019 (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.The objective of this study is to investigate the utility of RAT using correlations between RAT self-report results and other indicators of COVID-19. Methods:We investigated the association between RAT results, PCR test results and wastewater levels of nmN1N2 severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) genes (to infer COVID-19 levels) using Pearson's correlation coefficient.Percent positivity and count of positive tests for RATs and polymerase chain reaction (PCR) tests were analyzed. Results:The PCR percent positivity and wastewater were weakly correlated (r=0.33,p=0.022), as were RAT percent positivity and wastewater nmN1N2 levels (r=0.33,p=0.002).The RAT percent positivity and PCR percent positivity were not significantly correlated (r=-0.035,p=0.75).Count of positive RATs and count of positive PCR tests were moderately correlated (r=0.59,p<0.001).Wastewater nmN1N2 levels were not significantly correlated with either count of positive RATs (r=0.019,p=0.864) or count of positive PCR tests (r=0.004,p=0.971).Conclusion: Our results support the use of RAT self-reporting as a low-cost simple adjunctive COVID-19 surveillance tool, and suggest that its utility is greatest when considering an absolute count of positive RATs 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,032 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».