MétaCan
Menu
Retour à la cohorte
Enregistrement W1486923278 · doi:10.1002/0471142956.cy0637s72

High‐Sensitivity Detection of PNH Red Blood Cells, Red Cell Precursors, and White Blood Cells

2015· article· en· W1486923278 sur OpenAlexaff
D. Robert Sutherland, Andrea Illingworth, Michael Keeney, Stephen J. Richards

Notice bibliographique

RevueCurrent Protocols in Cytometry · 2015
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueComplement system in diseases
Établissements canadiensLondon Health Sciences CentreToronto General HospitalUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésParoxysmal nocturnal hemoglobinuriaFlow cytometryImmunologyMonocyteMedicineCD59Antibody

Résumé

récupéré en direct d'OpenAlex

Flow cytometry is the method of choice to 'diagnose' paroxysmal nocturnal hemoglobinuria (PNH) and has led to improved patient management. Most laboratories have limited experience with PNH testing, and many different flow approaches are used. Careful selection and validation of antibody conjugates has allowed the development of reagent cocktails suitable for detection of PNH RBCs, CD71+ reticulocytes, and WBCs in clinical/sub-clinical PNH samples. A CD235a-FITC/CD59-PE assay was developed capable of detecting Type III PNH RBCs at 0.01% sensitivity. A protocol targeting immature CD71+ RBCs can detect PNH reticulocytes at similar sensitivity. Four-color FLAER-based neutrophil and monocyte assays were developed to detect PNH phenotypes at a level of 0.01% and 0.04% sensitivity, respectively. For instrumentation with five or more PMTs, a single-tube 5-color FLAER/CD157-based assay to simultaneously detect PNH neutrophils and monocytes is described. Using these standardized approaches, results have demonstrated good intra- and inter-laboratory performance characteristics even in laboratories with little prior experience performing PNH testing.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,298
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Protocols in CytometryMême sujetComplement system in diseasesTravaux en français237 207