Predictive usefulness of RT-PCR testing in different patterns of Covid-19 symptomatology: analysis of a French cohort of 12,810 outpatients
Caroline Apra
(1)
,
Charlotte Caucheteux
(2)
,
Arthur Mensch
(3)
,
Jenny Mansour
,
Mélodie Bernaux
(4)
,
Agnès Dechartres
(5, 1)
,
Xavier Lescure
(6, 7)
,
Aurélien Dinh
(8, 9)
,
Patrick Jourdain
(4)
,
Nicolas Paris
(4)
,
Alexandre Gramfort
(2)
,
Amélie Aime-Eusebi
(4)
,
Alexandre Bleibtreu
(4)
,
Laurène Deconinck
(4)
,
Christine Katlama
(4)
,
Josselin Lebel
(4)
,
Youri Yordanov
(5, 10)
,
Yves Artigou
(4)
,
Amélie Banzet
(4)
,
Elodie Boucheron
(4)
,
Christiane Boudier
(4)
,
Edouard Buzenac
(4)
,
Marie-Claire Chapron
(4)
,
Dalhia Chekaoui
(4)
,
Laurent de Bastard
(4)
,
Erwan Debuc
(4, 10)
,
Alexandre Grenier
(4)
,
Pierre-Etienne Haas
(4)
,
Julien Hody
(4)
,
Michèle Jarraya
(4)
,
Louis Lacaille
(4)
,
Aurélie Le Guern
(4)
,
Jeremy Leclert
(4)
,
Fanny Male
(4)
,
Jerome Marchand-Arvier
(4)
,
Emmanuel Martin-Blondet
(4)
,
Apolinne Nassour
(4)
,
Oussama Ourahou
(4)
,
Thomas Penn
(4)
,
Ambre Ribardière
(4)
,
Nicolas Robin
(4)
,
Camille Rouge
(4)
,
Nicolas Schmidt
(4)
,
Pascaline Villie
(4)
1
CHU Pitié-Salpêtrière [AP-HP]
2 MIND - Modèles et inférence pour les données de Neuroimagerie
3 Inria Saclay - Ile de France
4 AP-HP - Assistance publique - Hôpitaux de Paris (AP-HP)
5 iPLESP - Institut Pierre Louis d'Epidémiologie et de Santé Publique
6 IAME (UMR_S_1137 / U1137) - Infection, Anti-microbiens, Modélisation, Evolution
7 AP-HP - Hôpital Bichat - Claude Bernard [Paris]
8 Hôpital Raymond Poincaré [AP-HP]
9 Service des Maladies Infectieuses et Tropicales [CHU Raymond Poincaré]
10 CHU Saint-Antoine [AP-HP]
2 MIND - Modèles et inférence pour les données de Neuroimagerie
3 Inria Saclay - Ile de France
4 AP-HP - Assistance publique - Hôpitaux de Paris (AP-HP)
5 iPLESP - Institut Pierre Louis d'Epidémiologie et de Santé Publique
6 IAME (UMR_S_1137 / U1137) - Infection, Anti-microbiens, Modélisation, Evolution
7 AP-HP - Hôpital Bichat - Claude Bernard [Paris]
8 Hôpital Raymond Poincaré [AP-HP]
9 Service des Maladies Infectieuses et Tropicales [CHU Raymond Poincaré]
10 CHU Saint-Antoine [AP-HP]
Charlotte Caucheteux
- Fonction : Auteur
- PersonId : 748784
- IdHAL : charlotte-caucheteux
- ORCID : 0000-0002-3965-3143
Arthur Mensch
- Fonction : Auteur
- PersonId : 8426
- IdHAL : arthur-mensch
- ORCID : 0000-0001-7866-0461
- IdRef : 230697232
Jenny Mansour
- Fonction : Auteur
Alexandre Gramfort
- Fonction : Auteur
- PersonId : 687
- IdHAL : agramfort
- ORCID : 0000-0001-9791-4404
- IdRef : 169233758
Alexandre Bleibtreu
- Fonction : Auteur
- PersonId : 758344
- ORCID : 0000-0001-5145-4174
- IdRef : 184044316
Christine Katlama
- Fonction : Auteur
- PersonId : 927384
- ORCID : 0000-0002-5093-4800
- IdRef : 033024251
Elodie Boucheron
- Fonction : Auteur
- PersonId : 1155986
- IdHAL : elodie-boucheron-dubuisson
- ORCID : 0000-0003-1632-9225
Résumé
Reverse transcriptase polymerase chain reaction (RT-PCR) is a key tool to diagnose Covid-19. Yet it may not be the most efficient test in all patients. In this paper, we develop a clinical strategy for prescribing RT-PCR to patients based on data from COVIDOM, a French cohort of 54,000 patients with clinically suspected Covid-19, including 12,810 patients tested by RT-PCR. We use a machine-learning algorithm (decision tree) in order to predict RT-PCR results based on the clinical presentation. We show that symptoms alone are sufficient to predict RT-PCR outcome with a mean average precision of 86%. We identify combinations of symptoms that are predictive of RT-PCR positivity (90% for anosmia/ageusia) or negativity (only 30% of RT-PCR+\,for a subgroup with cardiopulmonary symptoms): in both cases, RT-PCR provides little added diagnostic value. We propose a prescribing strategy based on clinical presentation that can improve the global efficiency of RT-PCR testing.
Domaines
Sciences du Vivant [q-bio]| Origine | Fichiers éditeurs autorisés sur une archive ouverte |
|---|
