Evaluation of sample pooling for the detection of SARS-CoV-2 in a resource-limited setting, Dominican Republic.

COVID-19 Pool testing RdRp/E genes Real-time PCR SARS-CoV-2

Journal

Enfermedades infecciosas y microbiologia clinica
ISSN: 1578-1852
Titre abrégé: Enferm Infecc Microbiol Clin
Pays: Spain
ID NLM: 9104081

Informations de publication

Date de publication:
Jan 2023
Historique:
received: 24 03 2021
accepted: 04 07 2021
pubmed: 3 8 2021
medline: 3 8 2021
entrez: 2 8 2021
Statut: ppublish

Résumé

COVID-19 is a worldwide public health threat. Diagnosis by RT-PCR has been employed as the standard method to confirm viral infection. Sample pooling testing can optimize the resources by reducing the workload and reagents shortage, and be useful in laboratories and countries with limited resources. This study aims to evaluate SARS-CoV-2 detection by sample pooling testing in comparison with individual sample testing. We created 210 pools out of 245 samples, varying from 4 to 10 samples per pool, each containing a positive sample. We conducted detection of SARS-CoV-2-specific RdRp/E target sites. Pooling of three samples for SARS-CoV-2 detection might be an efficient strategy to perform without losing RT-PCR sensitivity. Considering the positivity rate in Dominican Republic and that larger sample pools have higher probabilities of obtaining false negative results, the optimal sample size to perform a pooling strategy shall be three samples. La COVID-19 es una amenaza de salud pública mundial. La RT-PCR es el método estándar para confirmar la infección. La estrategia de pruebas de muestras agrupadas puede reducir la carga de trabajo y la escasez de reactivos, y ser útil en países con escasos recursos. Evaluamos la detección del SARS-CoV-2 mediante esta estrategia en comparación con pruebas individuales. Creamos 210 grupos de 245 muestras, de 4 a 10 muestras por grupo, cada uno con una muestra positiva. Realizamos extracción de ARN y qRT-PCR para detectar la presencia de la diana RdRp/E. La combinación de hasta 3 muestras para la detección del SARS-CoV-2 podría ser una estrategia eficaz sin perder la sensibilidad. Considerando la tasa de positividad en República Dominicana y que los grupos con más muestras tienen mayor probabilidad de obtener resultados falsos negativos, el tamaño óptimo para realizar esta estrategia es de 3 muestras.

Autres résumés

Type: Publisher (spa)
La COVID-19 es una amenaza de salud pública mundial. La RT-PCR es el método estándar para confirmar la infección. La estrategia de pruebas de muestras agrupadas puede reducir la carga de trabajo y la escasez de reactivos, y ser útil en países con escasos recursos. Evaluamos la detección del SARS-CoV-2 mediante esta estrategia en comparación con pruebas individuales.

Identifiants

pubmed: 34334859
doi: 10.1016/j.eimc.2021.07.004
pii: S0213-005X(21)00224-X
pmc: PMC8310719
doi:

Types de publication

Journal Article

Langues

eng

Pagination

29-32

Informations de copyright

© 2021 Sociedad Española de Enfermedades Infecciosas y Microbiología Clínica. Published by Elsevier España, S.L.U. All rights reserved.

Auteurs

Monica Tejeda Ramírez (MT)

Instituto de Medicina Tropical & Salud Global, Universidad Iberoamericana (UNIBE), Santo Domingo, Dominican Republic.
Instituto Tecnológico de Santo Domingo (INTEC), Santo Domingo, Dominican Republic.

Camila Del Rosario (C)

Instituto de Medicina Tropical & Salud Global, Universidad Iberoamericana (UNIBE), Santo Domingo, Dominican Republic.

Elisa Contreras (E)

Instituto de Medicina Tropical & Salud Global, Universidad Iberoamericana (UNIBE), Santo Domingo, Dominican Republic.

Jhasmel Cabrera (J)

Instituto de Medicina Tropical & Salud Global, Universidad Iberoamericana (UNIBE), Santo Domingo, Dominican Republic.

Alejandro Vallejo Degaudenzi (AV)

Instituto de Medicina Tropical & Salud Global, Universidad Iberoamericana (UNIBE), Santo Domingo, Dominican Republic.

Robert Paulino Ramírez (RP)

Instituto de Medicina Tropical & Salud Global, Universidad Iberoamericana (UNIBE), Santo Domingo, Dominican Republic.

Classifications MeSH