Evaluating diagnostic accuracy of an RT-PCR test for the detection of SARS-CoV-2 in saliva
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
BACKGROUND AND OBJECTIVE: Saliva has been proposed as a potential more convenient, cost-effective, and easier sample for diagnosing SARS-CoV-2 infections, but there is limited knowledge of the impact of saliva volumes and stages of infection on its sensitivity and specificity. METHODS: In this study, we assessed the performance of SARS-CoV-2 testing in 171 saliva samples from 52 mostly mildly symptomatic patients (aged 18 to 70 years) with a positive reference standard result at screening. The samples were collected at different volumes (50, 100, 300, and 500 µl of saliva) and at different stages of the disease (at enrollment, day 7, 14, and 28 post SARS-CoV-2 diagnosis). Imperfect nasopharyngeal (NP) swab nucleic acid amplification testing was used as a reference. We used a logistic regression with generalized estimating equations to estimate sensitivity, specificity, PPV, and NPV, accounting for the correlation between repeated observations. RESULTS: The sensitivity and specificity values were consistent across saliva volumes. The sensitivity of saliva samples ranged from 70.2% (95% CI, 49.3-85.0%) for 100 μl to 81.0% (95% CI, 51.9-94.4%) for 300 μl of saliva collected. The specificity values ranged between 75.8% (95% CI, 55.0-88.9%) for 50 μl and 78.8% (95% CI, 63.2-88.9%) for 100 μl saliva compared to NP swab samples. The overall percentage of positive results in NP swabs and saliva specimens remained comparable throughout the study visits. We observed no significant difference in cycle number values between saliva and NP swab specimens, irrespective of saliva volume tested. CONCLUSIONS: The saliva collection offers a promising approach for population-based testing.
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 | 0,004 | 0,276 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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