Detection of SARS-CoV-2 in saliva by a low-cost LSPR-based sensor
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The SARS-CoV-2 pandemic started more than 3 years ago, but the containment of the spread is still a challenge. Screening is imperative for informed decision making by government authorities to contain the spread of the virus locally. The access to screening tests is disproportional, due to the lack of access to reagents, equipment, finances or because of supply chain disruptions. Low and middle-income countries have especially suffered with the lack of these resources. Here, we propose a low cost and easily constructed biosensor device based on localized surface plasmon resonance, or LSPR, for the screening of SARS-CoV-2. The biosensor device, dubbed "sensor" for simplicity, was constructed in two modalities: (1) viral detection in saliva and (2) antibody against COVID in saliva. Saliva collected from 18 patients were tested in triplicates. Both sensors successfully classified all COVID positive patients (among hospitalized and non-hospitalized). From the COVID negative patients 7/8 patients were correctly classified. For both sensors, sensitivity was determined as 100% (95% CI 79.5-100) and specificity as 87.5% (95% CI 80.5-100). The reagents and equipment used for the construction and deployment of this sensor are ubiquitous and low-cost. This sensor technology can then add to the potential solution for challenges related to screening tests in underserved communities.
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.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle