Implementation of facemask sampling for the detection of infectious individuals with SARS-CoV-2 in high stakes clinical examinations – a feasibility study
Notice bibliographique
Résumé
Introduction: SARS-CoV-2 may transmit across vaccinated cohorts during practical clinical examinations. We sought to assess the feasibility of facemask sampling (FMS) to identify individuals emitting SARS-CoV-2 during a mock PACES exam. Methods: In May 2022 we recruited participants from a mock PACES examination in Leicester, UK. Following a negative lateral flow test assay, all participants wore modified facemasks able to capture exhaled virus during the assessment (FMS). A concomitant upper respiratory tract sample (URTS) was provided prior to FMS. Exposed facemasks were processed by removal and dissolution of sampling matrices fixed within the mask and cycle thresholds values quantified by RT-qPCR. Participants were asked to grade statements regarding the comfort, effort, ethics and communication when providing FMS; laboratory technicians were asked to grade key statements surrounding suitability of samples for processing. Results: 34 participants provided concomitant URTS and FMS during the examination. One participant was positive for SARS-CoV-2, with a cycle threshold value of 22.5 on URTS, but negative (no viral RNA detected) on FMS; no transmission to others was identified from this individual. Participants responded positively to statements regarding FMS describing all four domains; however, 69% of participants felt that a positive result from FMS alone was insufficient for diagnosis and that further tests were required. All but one FMS sample was suitable for processing. Discussion: FMS during PACES exams are acceptable among participants and samples provided are suitable for processing. Our results demonstrate feasibility of FMS within practical examination settings and support the further assessment of FMS as a scalable tool that can be compared with URTS to identify those who are infectious.
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 | 0,020 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».