Self-tests for COVID-19: What is the evidence? A living systematic review and meta-analysis (2020–2023)
Notice bibliographique
Résumé
COVID-19 self-testing strategy (COVIDST) can rapidly identify symptomatic and asymptomatic SARS-CoV-2-infected individuals and their contacts, potentially reducing transmission. In this living systematic review, we evaluated the evidence for real-world COVIDST performance. Two independent reviewers searched six databases (PubMed, Embase, Web of Science, World Health Organization database, Cochrane COVID-19 registry, Europe PMC) for the period April 1st, 2020, to January 18th, 2023. Data on studies evaluating COVIDST against laboratory-based conventional testing and reported on diagnostic accuracy, feasibility, acceptability, impact, and qualitative outcomes were abstracted. Bivariate random effects meta-analyses of COVIDST accuracy were performed (n = 14). Subgroup analyses (by sampling site, symptomatic/asymptomatic infection, supervised/unsupervised strategy, with/without digital supports) were conducted. Data from 70 included studies, conducted across 25 countries with a median sample size of 817 (range: 28-784,707) were pooled. Specificity and DOR was high overall, irrespective of subgroups (98.37-99.71%). Highest sensitivities were reported for: a) symptomatic individuals (73.91%, 95%CI: 68.41-78.75%; n = 9), b) mid-turbinate nasal samples (77.79%, 95%CI: 56.03-90.59%; n = 14), c) supervised strategy (86.67%, 95%CI: 59.64-96.62%; n = 13), and d) use of digital interventions (70.15%, 95%CI: 50.18-84.63%; n = 14). Lower sensitivity was attributed to absence of symptoms, errors in test conduct and absence of supervision or a digital support. We found no difference in COVIDST sensitivity between delta and omicron pre-dominant period. Digital supports increased confidence in COVIDST reporting and interpretation (n = 16). Overall acceptability was 91.0-98.7% (n = 2) with lower acceptability reported for daily self-testing (39.5-51.1%). Overall feasibility was 69.0-100.0% (n = 5) with lower feasibility (35.9-64.6%) for serial self-testing. COVIDST decreased closures in school, workplace, and social events (n = 4). COVIDST is an effective rapid screening strategy for home-, workplace- or school-based screening, for symptomatic persons, and for preventing transmission during outbreaks. These data will guide COVIDST policy. Our review demonstrates that COVIDST has paved the way for self-testing in pandemics worldwide.
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 | 0,028 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,027 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».