《6月21日_FebriDx即时检测在疑似COVID-19住院患者中的诊断准确性》

  • 来源专题:COVID-19科研动态监测
  • 编译者: xuwenwhlib
  • 发布时间:2020-06-22
  • 信息名称:FebriDx即时检测在疑似COVID-19住院患者中的诊断准确性

    1.时间:2020年6月21日

    2.机构或团队:南安普敦大学

    3.事件概要:

    南安普敦大学在Journal of Infection发表论文“Diagnostic accuracy of the FebriDx host response point-of-care test in patients hospitalised with suspected COVID-19”。

    FebriDx是一种即时检测方法,可以在10分钟内检测到手指刺血中的抗病毒宿主反应蛋白,但它在鉴定COVID-19方面的准确性尚不清楚。文章建立了包括FebriDx、年龄、性别和临床特征在内的多变量预测模型,并进行了准确性验证。文章纳入251名患者,248名数据有效,其中118名PCR检测为阳性。与现场PCR检测(1.7小时)和实验室PCR检测(23.4小时)相比,FebriDx的结果在仅在10分钟后即可得到。FebriDx鉴定COVID-19的敏感性为93%,特异性为86%。正负似然比分别为6.73和0.08。在多变量模型中,年龄、性别和其他临床特征对FebriDx在区分COVID-19患者中的作用没有显著影响。

    4.附件:

    原文链接:https://www.sciencedirect.com/science/article/abs/pii/S0163445320304321

  • 原文来源:https://www.sciencedirect.com/science/article/abs/pii/S0163445320304321
相关报告
  • 《1月19日_Menon将验证其COVID-19快速检测方法的准确性和可行性》

    • 来源专题:COVID-19科研动态监测
    • 编译者:zhangmin
    • 发布时间:2021-02-21
    • 据PR Newswire网站1月19日消息,Menon Biosensors公司(Menon)宣布,将与加利福尼亚大学圣地亚哥医学院(UC San Diego)合作,对其专有的Molecular Mirror™平台技术进行试验,希望能证明其作为一种快速检测患者样本中SARS-CoV-2的检测方法的准确性和可行性。 UC San Diego的研究人员对200多个样本完成的现场初步试验表明,将Molecular Mirror™技术与标准磁共振成像(MRI)机器或台式磁共振仪器相结合,可以创建一个检测COVID-19病毒的快速输出检测流程,如果得到验证和部署,该流程每小时可检测10万个样本。 试验将在1000个样本上进行,这些样本之前已经使用其他获批准的检测方法证明了其存在或不存在COVID-19。UC San Diego的研究人员将使用在美国几乎每家医院都有的标准MRI机器,使用Molecular Mirror™平台扫描样品并将结果与现有数据进行比较。 Molecular Mirror™是Menon专有的诊断平台,可以检测细菌和病毒病原体。虽然它从未被用于检测COVID-19,但该技术适用于检测任何细菌或病毒病原体的存在。 Molecular Mirror™检测通过使用具有靶标特异性生物标记的磁性纳米颗粒,结合病原体基因组的特定区域,实现了高灵敏度和特异性。与纳米粒子结合的样品经过处理后,其磁性能发生变化,特别是“自旋-自旋弛豫时间”。产生的信号可被基于磁共振的设备分离出来,用于检测COVID-19等病原体。 来源:https://www.prnewswire.com/news-releases/menon-announces-advancement-of-trials-on-rapid-covid-19-test-at-the-university-of-california-san-diego-301210470.html
  • 《Inter Immunopharma:人工智能帮助预测COVID-19诊断准确性》

    • 来源专题:生物安全知识资源中心 | 领域情报网
    • 编译者:hujm
    • 发布时间:2020-10-09
    • 在最近一项研究中,研究人员开发了人工智能(AI)技术,可通过标准血液测试准确预测COVID-19感染。 它是由多机构研究小组Modeling and Prediction Pandemics(MaPP)开发的。 该研究可能有助于解决疾病爆发的早期预测以及检测的可用性和速度,这是与大流行作斗争的两个主要挑战。 该团队利用了圣保罗一家医院的匿名患者数据,发现由于血小板水平和白细胞类型的减少,他们能够准确预测谁感染了该病毒。 林肯大学数学与物理学院数学与计算机科学高级讲师兼项目负责人Bart Vorselaars博士是团队的主要开发人员之一。他说:“使用标准血液测试数据中的AI预测可以带来许多好处,包括增加测试能力,降低成本以及比目前的rt-PCR测试更快,更不易受到病毒突变影响的结果。因此,这可能会有所帮助在疫情蔓延之前发现疫情。” 这些研究的首批结果发表在2020年6月的《International Immunopharmacology》杂志上,Vorselaars博士是该论文的第一作者之一。 林肯大学,布莱顿大学,格拉斯哥大学,谢菲尔德大学和牛津大学的研究仍在继续,以交叉验证圣保罗数据与其他数据来源的发现。