Multicenter international assessment of a SARS-CoV-2 RT-LAMP test for point of care clinical application
Notice bibliographique
Résumé
Continued waves, new variants, and limited vaccine deployment mean that SARS-CoV-2 tests remain vital to constrain the coronavirus disease 2019 (COVID-19) pandemic. Affordable, point-of-care (PoC) tests allow rapid screening in non-medical settings. Reverse-transcription loop-mediated isothermal amplification (RT-LAMP) is an appealing approach. A crucial step is to optimize testing in low/medium resource settings. Here, we optimized RT-LAMP for SARS-CoV-2 and human β-actin, and tested clinical samples in multiple countries. "TTTT" linker primers did not improve performance, and while guanidine hydrochloride, betaine and/or Igepal-CA-630 enhanced detection of synthetic RNA, only the latter two improved direct assays on nasopharygeal samples. With extracted clinical RNA, a 20 min RT-LAMP assay was essentially as sensitive as RT-PCR. With raw Canadian nasopharygeal samples, sensitivity was 100% (95% CI: 67.6% - 100%) for those with RT-qPCR Ct values ≤ 25, and 80% (95% CI: 58.4% - 91.9%) for those with 25 < Ct ≤ 27.2. Highly infectious, high titer cases were also detected in Colombian and Ecuadorian labs. We further demonstrate the utility of replacing thermocyclers with a portable PoC device (FluoroPLUM). These combined PoC molecular and hardware tools may help to limit community transmission of SARS-CoV-2.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».