Extraction-free clinical detection of SARS-CoV-2 virus from saline gargle samples using Hamilton STARlet liquid handler
Notice bibliographique
Résumé
As part of the COVID-19 pandemic, clinical laboratories have been faced with massive increases in testing, resulting in sample collection systems, reagent, and staff shortages. We utilized self-collected saline gargle samples to optimize high throughput SARS-CoV-2 multiplex polymerase chain reaction (PCR) testing in order to minimize cost and technologist time. This was achieved through elimination of nucleic acid extraction and automation of sample handling on a widely available robotic liquid handler, Hamilton STARlet. A customized barcode scanning script for reading the sample ID by the Hamilton STARlet's software system was developed to allow primary tube sampling. Use of pre-frozen SARS-CoV-2 assay reaction mixtures reduced assay setup time. In both validation and live testing, the assay produced no false positive or false negative results. Of the 1060 samples tested during validation, 3.6% (39/1060) of samples required retesting as they were either single gene positive, had internal control failure or liquid aspiration error. Although the overall turnaround time was only slightly faster in the automated workflow (185 min vs 200 min), there was a 76% reduction in hands-on time, potentially reducing staff fatigue and burnout. This described process from sample self-collection to automated direct PCR testing significantly reduces the total burden on healthcare systems in terms of human resources and reagent requirements.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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 ».