High correlation between detection of dengue IgG from dried blood spots and serum using an indirect IgG ELISA assay: A validation study in Fortaleza, Brazil
Notice bibliographique
Résumé
BACKGROUND: Dengue virus (DENV) seroprevalence studies often rely on Enzyme-Linked Immunosorbent Assay (ELISA) testing of serum samples, but ELISA testing of dried blood spot (DBS) samples offer several advantages for field-based research in resource-limited settings. However, DBS' limited sample volume can be challenging for test sensitivity, requiring validation studies with standard methods (e.g., analysis of serum through ELISAs or Plaque Reduction Neutralization Tests (PRNTs)). In preparation for a large cluster randomized controlled trial, we conducted a pilot study in 2019 to validate the use of DBS compared to serum samples for DENV IgG testing. We aimed to identify the optimal DBS dilution for IgG detection and to estimate the correlation, magnitude of agreement, and sensitivity and specificity of IgG detection in DBS versus serum samples. METHODOLOGY/PRINCIPAL FINDINGS: We conducted this pilot validation study among 119 healthy participants in Fortaleza, Brazil to evaluate and optimize the detection of DENV IgG from DBS compared to serum. Each participant provided paired DBS and venous blood samples, which were evaluated for DENV IgG using the Panbio Dengue IgG indirect ELISA. DBS elution diluted 1:4 was optimal compared with serum results, with high correlation (r= 0.98) and near-perfect agreement (kappa = 0.95). At this dilution, DBS had a sensitivity of 100%, a specificity of 92.3%, a 97.9% positive predictive value, and a 100% negative predictive value compared with serum. CONCLUSIONS/SIGNIFICANCE: These results validate using DBS instead of serum for detection of prior dengue infection among similar populations in endemic regions, without sacrificing test sensitivity and specificity. The validity of using DBS for ELISA to detect prior dengue infection could have important implications for field-based research. A limitation to this study was that the potential for misclassification due to cross-reactivity (e.g., with Zika virus, Yellow Fever vaccine) was not assessed.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».