Detection of RSV using nasopharyngeal swabs alone underestimates RSV-related hospitalization incidence in adults: the Multispecimen study’s Final Analysis
Notice bibliographique
Résumé
ABSTRACT Background RSV detection improves if an additional specimen is collected, but the impact of testing saliva and multiple specimen types has not been assessed. We quantified RSV detection increase with multiple specimen collection over nasopharyngeal swab (NPS) alone. Methods Prospectively enrolled hospitalized adults aged ≥40 years with acute respiratory illness in seven hospitals in US and Canada had NPS, saliva, sputa, and acute/convalescent sera collected and tested. Results Among 3,669 enrolled participants, 100% had NPS, 97.7% saliva, 33.0% sputum, and 33.4% paired serology. RSV detection was 112% higher (95% CI86%−141%) using all specimen types compared to NPS alone. Saliva had higher sensitivity than NPS (61.4% versus 47.2%). Among those with congestive heart failure exacerbations, additional specimens increased RSV detection by 267% (95% CI85%−625%) and saliva detected more infections than NPS. Among 1013 subjects with paired NPS from different timepoints tested on the same platform, specimens collected on average 1 day later detected 30% less RSV infections. Conclusions RSV detection increased over 100% using four specimen types versus NPS alone, suggesting a 2-fold correction factor is appropriate for incidence/prevalence studies relying on NPS alone. Saliva is more sensitive than NPS, warranting further study particularly in cardiac patients.
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».