MétaCan
Menu
Retour à la cohorte
Enregistrement W4404540451 · doi:10.2196/59845

Effectiveness of Frequent Point-of-Care Molecular COVID-19 Surveillance in a Rural Workplace: Nonrandomized Controlled Clinical Trial Among Miners

2024· article· en· W4404540451 sur OpenAlexvenueno aff
Akshay Sood, W. Jarrell, Xin Shore, Néstor Sosa, Alisha N. Parada, Nicholas Edwardson, Alexandra Yingling, Teah Amirkabirian, Qiuying Cheng, Ivy Hurwitz, Linda S. Cook, Shuguang Leng, Orrin Myers, Douglas J. Perkins

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of General Medical Sciences
Mots-clésPreprintCoronavirus disease 2019 (COVID-19)Randomized controlled trialMedicineEnvironmental health2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)OutbreakVirologyPathologyDiseaseComputer science

Résumé

récupéré en direct d'OpenAlex

Background: Numerous studies have assessed the risk of SARS-CoV-2 exposure and infection among health care workers during the pandemic. However, far fewer studies have investigated the impact of SARS-CoV-2 on essential workers in other sectors. Moreover, guidance for maintaining a safely operating workplace in sectors outside of health care remains limited. Workplace surveillance has been recommended by the Centers for Disease Control and Prevention, but few studies have examined the feasibility or effectiveness of this approach. Objective: The objective of this study was to investigate the feasibility and effectiveness of using frequent point-of-care molecular workplace surveillance as an intervention strategy to prevent the spread of SARS-CoV-2 at essential rural workplaces (mining sites) where physical distancing, remote work, and flexible schedules are not possible. Methods: In this nonrandomized controlled clinical trial conducted from February 2021, to March 2022, 169 miners in New Mexico (intervention cohort) and 61 miners in Wyoming (control cohort) were enrolled. Investigators performed point-of-care rapid antigen testing on midnasal swabs (NSs) self-collected by intervention miners. Our first outcome was the intervention acceptance rate in the intervention cohort. Our second outcome was the rate of cumulative postbaseline seropositivity to SARS-CoV-2 nucleocapsid protein, which was analyzed in the intervention cohort and compared to the control cohort between baseline and 12 months. The diagnostic accuracy of detecting SARS-CoV-2 using rapid antigen testing on NSs was compared to laboratory-based reverse transcriptase polymerase chain reaction (RT-PCR) on nasopharyngeal swabs (NPSs) in a subset of 68 samples. Results: Our intervention had a mean acceptance rate of 96.4% (11,413/11,842). The intervention miners exhibited a lower cumulative postbaseline incident seropositivity at 12 months compared to control miners (14/97, 14% vs 17/45, 38%; P=.002). Analysis of SARS-CoV-2 antigen detection in self-administered NSs revealed 100% sensitivity and specificity compared to laboratory-based RT-PCR testing on NPSs. Conclusions: Our findings establish frequent point-of-care molecular workplace COVID-19 surveillance as a feasible option for keeping essential rural workplaces open and preventing SARS-CoV-2 spread. These findings extend beyond this study, providing valuable insights for designing interventions to maintain employees' safety at other essential workplaces during an infectious disease outbreak.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,396
Écart entre enseignants0,356 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetSARS-CoV-2 detection and testingTravaux en français237 207