FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W3088968345> ?p ?o ?g. }

• W3088968345 endingPage "598" @default.
• W3088968345 startingPage "590" @default.
• W3088968345 abstract "To evaluate two pooled-sample analysis strategies (a routine high-throughput approach and a novel context-sensitive approach) for mass testing during the coronavirus disease 2019 (COVID-19) pandemic, with an emphasis on the number of tests required to screen a population.We used Monte Carlo simulations to compare the two testing strategies for different infection prevalences and pooled group sizes. With the routine high-throughput approach, heterogeneous sample pools are formed randomly for polymerase chain reaction (PCR) analysis. With the novel context-sensitive approach, PCR analysis is performed on pooled samples from homogeneous groups of similar people that have been purposively formed in the field. In both approaches, all samples contributing to pools that tested positive are subsequently analysed individually.Both pooled-sample strategies would save substantial resources compared to individual analysis during surge testing and enhanced epidemic surveillance. The context-sensitive approach offers the greatest savings: for instance, 58-89% fewer tests would be required for a pooled group size of 3 to 25 samples in a population of 150 000 with an infection prevalence of 1% or 5%. Correspondingly, the routine high-throughput strategy would require 24-80% fewer tests than individual testing.Pooled-sample PCR screening could save resources during COVID-19 mass testing. In particular, the novel context-sensitive approach, which uses pooled samples from homogeneous population groups, could substantially reduce the number of tests required to screen a population. Pooled-sample approaches could help countries sustain population screening over extended periods of time and thereby help contain foreseeable second-wave outbreaks.Évaluer deux stratégies d'analyse par échantillons groupés (une approche de routine à haut débit et une nouvelle approche contextuelle) en vue d'instaurer un dépistage de masse durant la pandémie de maladie à coronavirus 2019 (COVID-19), en mettant l'accent sur le nombre de tests requis pour dépister la population.Nous avons utilisé des simulations Monte-Carlo afin de comparer les deux stratégies de dépistage pour différentes prévalences d'infection et groupes d'échantillons de différentes tailles. Avec l'approche de routine à haut débit, des groupes d'échantillons hétérogènes sont formés aléatoirement pour subir un test de réaction en chaîne par polymérase (PCR). Avec la nouvelle approche contextuelle, le test PCR est effectué sur des échantillons groupés provenant d'ensembles homogènes de personnes similaires, qui ont été formés à cette intention sur le terrain. Dans ces deux approches, tous les échantillons du groupe qui se sont avérés positifs sont ensuite analysés séparément.Les deux stratégies par échantillons groupés permettraient de ménager d'importantes ressources par rapport aux analyses individuelles lorsqu'un dépistage de masse est nécessaire et qu'il faut accroître la surveillance de l'épidémie. L'approche contextuelle est celle qui permet de faire le plus d'économies: le nombre de tests requis diminuerait par exemple de 58 à 89% pour un groupe de 3 à 25 échantillons recueillis au sein d'une population de 150 000 personnes avec une prévalence d'infection de 1% ou 5%. Proportionnellement, l'approche de routine à haut débit demanderait 24 à 80% de tests en moins qu'un dépistage individuel.Les tests PCR sur des échantillons groupés permettraient d'optimiser les ressources lors d'un dépistage de masse dans le cadre de la pandémie de COVID-19. En particulier la nouvelle approche contextuelle, qui se base sur des échantillons groupés provenant de groupes de personnes homogènes et pourrait réduire considérablement le nombre de tests nécessaire pour dépister une population. Grâce aux analyses par échantillons groupés, les pays pourraient continuer à tester la population sur de longues périodes et contribuer ainsi à contenir les prochaines flambées épidémiques.Evaluar dos estrategias en el análisis de muestras colectivas (un método de rutina de alto rendimiento y un método innovador sensible al contexto) para realizar pruebas en masa durante la pandemia de la enfermedad del coronavirus 2019 (COVID-19), prestando especial atención al número de pruebas que se requieren para examinar a una población.Se aplicaron simulaciones de Monte Carlo para comparar las dos estrategias de prueba para distintas prevalencias de infección y tamaños combinados de grupos. Mediante el método de rutina de alto rendimiento, se forman grupos de muestras heterogéneas de manera aleatoria para analizar la reacción en cadena de la polimerasa (PCR, por sus siglas en inglés). Mediante el método innovador sensible al contexto, el análisis PCR se realiza con muestras colectivas de grupos homogéneos de personas similares que se han formado intencionadamente en la zona. Al aplicar ambos métodos, todas las muestras que participan en los grupos con resultados positivos se analizan posteriormente de forma individual.Ambas estrategias de muestreo colectivo ahorrarían recursos significativos en comparación con los análisis individuales durante un aumento repentino de las pruebas, y mejorarían la vigilancia de la epidemia. El método sensible al contexto ofrece el mayor ahorro: por ejemplo, se necesitarían entre un 58 % y un 89 % menos de pruebas para un grupo colectivo de 3 a 25 muestras en una población de 150 000 habitantes con una prevalencia de la infección del 1 % o el 5 %. Asimismo, la estrategia de alto rendimiento de rutina requeriría entre un 24 % y un 80 % menos de pruebas que las pruebas individuales.La prueba PCR de muestra colectiva podría ahorrar recursos durante las pruebas en masa de la COVID-19. En especial, el método innovador sensible al contexto, que emplea muestras colectivas de grupos de población homogéneos, podría reducir significativamente el número de las pruebas que se requieren para examinar a una población. Los métodos de muestras colectivas podrían ayudar a los países a mantener el cribado de la población durante periodos de tiempo prolongados y, de ese modo, ayudar a contener los previsibles brotes de una segunda oleada.الغرض تقييم استراتيجيتين لتحليل العينات المجمعة (نهج روتيني عالي الإنتاجية ونهج مستجد حساس للسياق) للاختبار الشامل خلال المرض الوبائي كورونا لعام 2019 (كوفيد-19)، مع التركيز على عدد الاختبارات المطلوبة لفحص السكان. الطريقة استخدمنا أساليب محاكاة مونت كارلو لمقارنة استراتيجيتي الاختبار لنسب انتشار العدوى المختلفة، وأحجام المجموعة المجمعة. مع النهج الروتيني عالي الإنتاجية، يتم تشكيل مجموعات العينات غير المتجانسة بشكل عشوائي لتحليل تفاعل سلسلة بوليميريز (PCR). باستخدام النهج المستجد القائم على السياق، يتم إجراء تحليل PCR على عينات مجمعة من مجموعات متجانسة من أشخاص متشابهين تم تكوينهم عن قصد في هذا المجال. في كلا النهجين، فإن كل العينات التي ساهمت في المجمعات التي ثبت بعد الاختبار أنها إيجابية، تم لاحقاً تحليلها بشكل فردي. النتائج توفر كل من إستراتيجيتي العينات المجمعة موارد هائلة عند مقارنتها بالتحليل الفردي أثناء اختبار الطفرة ومراقبة الأوبئة المحسنة. يوفر النهج القائم على السياق أكبر قدر من التوفير: على سبيل المثال، عدد أقل من الاختبارات بنسبة 58 إلى 89٪ سيكون مطلوباً لمجموعة مجمعة بحجم من 3 إلى 25 عينة في عدد سكان يبلغ 150000 نسمة، مع انتشار للعدوى بنسبة 1% أو 5%. وعلى نحو مقابل، فإن الاستراتيجية الروتينية عالية الإنتاج تتطلب اختبارات أقل بنسبة 24 إلى 80% من الاختبارات الفردية. الاستنتاج إن فحص PCR للعينات المجمعة قد يؤدي لتوفير الموارد أثناء الاختبار الجماعي لكوفيد-19. وبشكل خاص، فإن النهج المستجد القائم على السياق، والذي يستخدم عينات مجمعة من مجموعات سكانية متجانسة، قد يقلل بشكل كبير من عدد الاختبارات المطلوبة لفحص مجتمع سكاني. يمكن أن تساعد مناهج العينة المجمعة الدول في المداومة على فحص السكان عبر فترات طويلة من الزمن، وبالتالي المساعدة في احتواء حالات تفشي الموجة الثانية المتوقعة.旨在评估在 2019 冠状病毒病 (COVID-19) 大流行期间用于大规模检测的两种综合样本分析策略（常规高通量法和新型背景敏感法），强调进行人群筛查时所需实施的检测量。.我们通过使用蒙特卡洛模拟法，比较适用于不同感染率和群体综合规模的两种检测策略。若使用常规高通量法，可随机形成异质样本池，以便执行聚合酶链反应 (PCR) 分析。若使用新型背景敏感法，则可在现场有目的地将相似的人员组建为同质群组，然后基于从同质群组处获得的综合样本执行 PCR 分析。在采用这两种方法的情况下，随后需单独分析检测结果为阳性的样本池包含的所有样本。.与检测数量激增和疫情监测加强期间执行的个量分析相比，两种综合样本策略均可节省大量资源。背景敏感法可最大程度地节省费用：例如，针对感染率为 1％ 或 5％ 的 150,000 人进行检测，每组样本合计数为 3 至 25 个样本，则需要执行的检测量将减少 58-89％。相应地，与逐个检测相比，常规高通量策略可将检测量减少 24–80％。.在大规模检测 2019 冠状病毒病期间，综合样本 PCR 筛查可节省资源。尤其是，通过使用取自同质人群的综合样本，新型背景敏感法可大幅减少筛查人群所需的检测量。综合样本法可帮助各国在较长时期内持续进行人口筛查，从而有助于遏制可预见的第二波疫情爆发。.Оценить две стратегии анализа с применением объединенных образцов (стандартный подход с высокой пропускной способностью и новый подход с учетом контекста) применительно к массовому тестированию во время пандемии, вызванной коронавирусной инфекцией 2019 (COVID-19), с уделением особого внимания количеству тестов, необходимому для скрининга популяции.Авторы использовали моделирование методом Монте-Карло для сравнения двух различных стратегий при разных уровнях распространенности инфекции и разных размерах объединенных групп. При стандартном подходе с высокой пропускной способностью пулы разнородных образцов для проведения анализа методом полимеразной цепной реакции (ПЦР) формировались случайным образом. При новом подходе с учетом контекста анализ ПЦР выполнялся на объединенных образцах, полученных от однородных групп людей со сходными качествами, которые специально формировались на местах. В обоих подходах все входящие в пул образцы, давшие положительный результат, впоследствии подвергались индивидуальному анализу.Обе стратегии работы с объединенными образцами позволяют значительно экономить ресурсы в сравнении с проведением индивидуальных анализов при тестировании в условиях резкого роста заболеваемости и усиленного эпидемиологического надзора. Подход с учетом контекста позволял достичь наибольшей экономии. Например, в объединенной группе размерами от 3 до 25 образцов в популяции размером 150 000 человек при уровне распространенности инфекции от 1 до 5% требовалось на 58–89% меньше тестов. Соответственно, стандартная стратегия с высокой пропускной способностью требовала на 24–80% меньше тестов в сравнении с индивидуальным анализом.Скрининговое обследование методом ПЦР на основе объединенных образцов может способствовать экономии ресурсов в ходе массового тестирования на COVID-19. В частности, новый подход с учетом контекста, в котором используются объединенные образцы, полученные в однородных популяционных группах, может значительно снизить количество тестов, необходимых для скрининга популяции. Подходы на основе использования объединенных образцов могут помочь странам поддерживать скрининговое обследование популяции в течение длительного времени и тем самым сдержать прогнозируемые вспышки второй волны." @default.
• W3088968345 created "2020-10-01" @default.
• W3088968345 creator A5003138186 @default.
• W3088968345 creator A5054307342 @default.
• W3088968345 creator A5084409269 @default.
• W3088968345 date "2020-07-06" @default.
• W3088968345 modified "2023-10-16" @default.
• W3088968345 title "Simulation of pooled-sample analysis strategies for COVID-19 mass testing" @default.
• W3088968345 cites W1975680434 @default.
• W3088968345 cites W2005876085 @default.
• W3088968345 cites W2017361841 @default.
• W3088968345 cites W2030637738 @default.
• W3088968345 cites W2046470004 @default.
• W3088968345 cites W2072284217 @default.
• W3088968345 cites W2105609007 @default.
• W3088968345 cites W2107497671 @default.
• W3088968345 cites W2115662011 @default.
• W3088968345 cites W2125624061 @default.
• W3088968345 cites W2127834414 @default.
• W3088968345 cites W2127893137 @default.
• W3088968345 cites W2135395636 @default.
• W3088968345 cites W2147679820 @default.
• W3088968345 cites W2149974218 @default.
• W3088968345 cites W2887359797 @default.
• W3088968345 cites W3002539152 @default.
• W3088968345 cites W3003668884 @default.
• W3088968345 cites W3006834170 @default.
• W3088968345 cites W3008200816 @default.
• W3088968345 cites W3008696669 @default.
• W3088968345 cites W3008827533 @default.
• W3088968345 cites W3009003996 @default.
• W3088968345 cites W3010233963 @default.
• W3088968345 cites W3010698037 @default.
• W3088968345 cites W3010785063 @default.
• W3088968345 cites W3012096194 @default.
• W3088968345 cites W3022440138 @default.
• W3088968345 cites W3022676039 @default.
• W3088968345 cites W3023086180 @default.
• W3088968345 cites W3036757363 @default.
• W3088968345 cites W3088968345 @default.
• W3088968345 doi "https://doi.org/10.2471/blt.20.257188" @default.
• W3088968345 hasPubMedCentralId "https://www.ncbi.nlm.nih.gov/pmc/articles/7463190" @default.
• W3088968345 hasPubMedId "https://pubmed.ncbi.nlm.nih.gov/33012859" @default.
• W3088968345 hasPublicationYear "2020" @default.
• W3088968345 type Work @default.
• W3088968345 sameAs 3088968345 @default.
• W3088968345 citedByCount "79" @default.
• W3088968345 countsByYear W30889683452020 @default.
• W3088968345 countsByYear W30889683452021 @default.
• W3088968345 countsByYear W30889683452022 @default.
• W3088968345 countsByYear W30889683452023 @default.
• W3088968345 crossrefType "journal-article" @default.
• W3088968345 hasAuthorship W3088968345A5003138186 @default.
• W3088968345 hasAuthorship W3088968345A5054307342 @default.
• W3088968345 hasAuthorship W3088968345A5084409269 @default.
• W3088968345 hasBestOaLocation W30889683451 @default.
• W3088968345 hasConcept C116675565 @default.
• W3088968345 hasConcept C142724271 @default.
• W3088968345 hasConcept C159047783 @default.
• W3088968345 hasConcept C185592680 @default.
• W3088968345 hasConcept C198531522 @default.
• W3088968345 hasConcept C2778137277 @default.
• W3088968345 hasConcept C2779134260 @default.
• W3088968345 hasConcept C2909376813 @default.
• W3088968345 hasConcept C3006700255 @default.
• W3088968345 hasConcept C3007834351 @default.
• W3088968345 hasConcept C3008058167 @default.
• W3088968345 hasConcept C43617362 @default.
• W3088968345 hasConcept C524204448 @default.
• W3088968345 hasConcept C71924100 @default.
• W3088968345 hasConcept C99454951 @default.
• W3088968345 hasConceptScore W3088968345C116675565 @default.
• W3088968345 hasConceptScore W3088968345C142724271 @default.
• W3088968345 hasConceptScore W3088968345C159047783 @default.
• W3088968345 hasConceptScore W3088968345C185592680 @default.
• W3088968345 hasConceptScore W3088968345C198531522 @default.
• W3088968345 hasConceptScore W3088968345C2778137277 @default.
• W3088968345 hasConceptScore W3088968345C2779134260 @default.
• W3088968345 hasConceptScore W3088968345C2909376813 @default.
• W3088968345 hasConceptScore W3088968345C3006700255 @default.
• W3088968345 hasConceptScore W3088968345C3007834351 @default.
• W3088968345 hasConceptScore W3088968345C3008058167 @default.
• W3088968345 hasConceptScore W3088968345C43617362 @default.
• W3088968345 hasConceptScore W3088968345C524204448 @default.
• W3088968345 hasConceptScore W3088968345C71924100 @default.
• W3088968345 hasConceptScore W3088968345C99454951 @default.
• W3088968345 hasIssue "9" @default.
• W3088968345 hasLocation W30889683451 @default.
• W3088968345 hasLocation W30889683452 @default.
• W3088968345 hasLocation W30889683453 @default.
• W3088968345 hasOpenAccess W3088968345 @default.
• W3088968345 hasPrimaryLocation W30889683451 @default.
• W3088968345 hasRelatedWork W3005417802 @default.
• W3088968345 hasRelatedWork W3007868867 @default.
• W3088968345 hasRelatedWork W3009669391 @default.
• W3088968345 hasRelatedWork W3020699490 @default.
• W3088968345 hasRelatedWork W3031607536 @default.
• W3088968345 hasRelatedWork W3043486364 @default.

• next