MétaCan
Menu
Retour à la cohorte
Enregistrement W4361759654 · doi:10.2196/45003

Use of Rapid Antigen Tests to End Isolation in a University Setting: Observational Study

2023· article· en· W4361759654 sur OpenAlexvenueno aff
Liliana Zigo, Alyson Wilkinson, Megan Landry, Amanda D. Castel, Amita Vyas, Karen A. McDonnell, Nitasha Nagaraj, Lynn R. Goldman

Notice bibliographique

RevueJMIR Formative Research · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIsolation (microbiology)Coronavirus disease 2019 (COVID-19)Logistic regressionSocial isolationPandemicMedicineOddsTest (biology)Odds ratioInternal medicinePsychologyDiseaseInfectious disease (medical specialty)BiologyBioinformatics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: COVID-19 isolation recommendations have evolved over the course of the pandemic. Initially, the US Centers for Disease Control and Prevention required 10 days of isolation after a positive test result. In December 2021, this was reduced to a minimum of 5 days with symptom improvement, followed by 5 days of mask wearing. As a result, several institutions of higher education, including the George Washington University, required persons testing positive for COVID-19 to either submit a negative rapid antigen test (RAT) with symptom resolution to leave isolation after 5 days or to maintain a 10-day isolation period in the absence of a negative RAT and the presence of continued symptoms. RATs are tools that can be used both to shorten isolation periods and to ensure that persons testing positive for COVID-19 remain in isolation if infectious. OBJECTIVE: The purpose of this analysis is to report on the experience of implementing RAT policies, examine the number of days that isolation was reduced via RAT testing, determine the factors that predicted uploading a RAT, and determine RAT positivity percentages to illustrate the utility of using RATs to end isolation. METHODS: In this study, 880 individuals in COVID-19 isolation at a university in Washington, DC, uploaded 887 RATs between February 21 and April 14, 2022. Daily positivity percentages were calculated, and multiple logistic regression analyses examined the odds of uploading a RAT by campus residential living status (ie, on or off campus), student or employee designation, age, and days in isolation. RESULTS: A total of 76% (669/880) of individuals in isolation uploaded a RAT during the study period. Overall, 38.6% (342/887) of uploaded RATs were positive. Uploaded RATs were positive 45.6% (118/259) of the time on day 5; 45.4% (55/121) on day 6; 47.1% (99/210) on day 7; and 11.1% (7/63) on day 10 or beyond. Adjusted logistic regression modeling indicated cases living on campus had increased odds of uploading a RAT (odds ratio [OR] 2.54, 95% CI 1.64-3.92), whereas primary student affiliation (OR 0.29, 95% CI 0.12-0.69) and days in isolation (OR 0.45, 95% CI 0.39-0.52) had decreased odds of uploading a RAT. Of the 545 cases with a negative RAT, 477 were cleared prior to day 10 of their isolation due to lack of symptoms and timely submission, resulting in a total of 1547 days of lost productivity saved compared to all being in isolation for 10 days. CONCLUSIONS: RATs are beneficial, as they can support a decision to release individuals from isolation when they have recovered and maintain isolation for people who may still be infectious. Future isolation policies should be guided by similar protocols and research to reduce the spread of COVID-19 and minimize lost productivity and disruption to individuals' lives.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,133
Score d'incertitude au seuil0,249

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,370
Tête enseignante GPT0,466
Écart entre enseignants0,096 · 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 tête enseignante, 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetSARS-CoV-2 detection and testingTravaux en français237 207