Evaluating a rapid molecular assay in a mobile laboratory for improved diagnosis of dengue in Bangladesh
Notice bibliographique
Résumé
OBJECTIVES: Dengue emerged as a significant health threat in endemic regions in recent years. However, inconsistent diagnostic accuracy in sequential dengue infections necessitate improved testing methods to ensure effective management of dengue cases. Here, we evaluated a portable, rapid, and sensitive molecular assay-reverse transcriptase recombinase polymerase amplification assay (RT-RAA)-utilizing a mobile suitcase laboratory to detect infections in suspected dengue cases in Bangladesh. METHODS: A total of 364 suspected patients with dengue were enrolled in the study. Dengue cases were confirmed by a positive result from any of the four tests: non-structural protein 1 (NS1) rapid diagnostic test (RDT), immunoglobulin (Ig) M RDT, quantitative reverse transcriptive-polymerase chain reaction (RT-PCR), and RT-RAA assay. IgG RDT was performed to differentiate between primary and secondary dengue infections. RESULTS: Of 364 suspected cases, 320 were confirmed dengue cases, with 55.94% classified as primary and 44.06% as secondary infections. Laboratory results showed comparable positivity rates between RT-RAA (78.8%) and NS1 RDT (77.1%) in primary dengue, followed by quantitative RT-PCR (57.5%) and IgM RDT (12.8%). RT-RAA demonstrated superior positivity rates in secondary dengue (76.6%), surpassing RT-PCR (60.3%), NS1 RDT (27%), and IgM RDT (24.8%). Combining RT-RAA with NS1 RDT detected infections in 89.95% primary and 81.56% secondary dengue. CONCLUSIONS: The findings suggest that complementing RT-RAA with NS1 RDT could significantly improve dengue detection rate, particularly, for secondary infections.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».