MétaCan
Menu
Retour à la cohorte
Enregistrement W1943589501 · doi:10.1210/jc.2015-2930

Letter to the Editor: Superior Mass Spectrometry-Based Estrogen Assays Should Replace Immunoassays

2015· letter· en· W1943589501 sur OpenAlexaff
Fernand Labrie, Yuyong Ke, Renaud Gonthier, Alain Bélanger

Notice bibliographique

RevueThe Journal of Clinical Endocrinology & Metabolism · 2015
Typeletter
Langueen
DomaineMedicine
ThématiqueHormonal and reproductive studies
Établissements canadiensUniversité LavalTheratechnologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésMass spectrometryEstrogenChromatographyComputer scienceChemistryMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Please find what we strongly believe is particularly important for accurate estrogen assays: A conclusion in the statement recently published following the Pooks Hill Workshop (1) that is particularly difficult to understand is: “Both immunoassays and mass spectrometry (MS)-based assays for estrogens and their metabolites would be acceptable if they are accurate and reliable and meet performance criteria suitable for their intended use.” The problem is that nobody can tell when immuno-based assays are “accurate and reliable.” This is due to issues of specificity, selectivity, precision, and reproducibility of the immunoassays (2, 3). In fact, it has been clear for quite some time that the immunoassays should be replaced by validated MS-based assays (4). Immunoassays are a technology of the 1970s that has been very useful. However, two main biases can never be quantitated: 1) lack of specificity is impossible to control in immunoassays; and 2) matrix effects are also not controllable in immunoassays. Moreover, the standard should not be an agreed upon or some “gold” standard (imprecise, often incorrect) but an absolute/true standard. The same difficulty applies to the continuation of the same phrase which reads: “… and meets performance criteria suitable for their intended use.” It is very important to make available the range of normal values for estrogens, but this information has been available for quite some time using MS-based assays. The harmonization that consists in having different laboratories obtaining the same value is not a guarantee of accuracy because all the laboratories involved could well have wrong values. It is true that not every MS-based assay provides valid accurate data if not properly validated and/or not well controlled during assays (5). The standard used in MS-based assays must be an absolute/true reference with certificate of analysis including HPLC profile, HPLC assay, Nuclear Magnetic Resonance, Infrared spectroscopy and residual solvents. Laboratories should have the means and obligation to determine the purity/trueness of the standards used. It is also true that MS-based assays are more expensive and more technically demanding, but this is what is required to obtain accurate data. In fact, all research is costly, and the total expenses of any study are a complete loss if the data are not valid and accurate. “A long-term goal of requiring accurate assays” is not an appropriate statement because accurate assays should be an immediate and not a long-term goal. Please consider how many clinical trials including large epidemiological studies have been performed at high costs but were using unreliable steroid data (6). These clinical trials would need to be repeated due to the problems of the immuno-based assays used to “save costs”?? The accuracy item of the summary (1) would benefit from being focused on the true 2015 situation, not on costs, availability, technical difficulties, etc. Most importantly, if the estrogen assays are done using a validated MS-based technology, there will be no significant differences in the data obtained in different laboratories. Disclosure Summary: F.L. (CEO of EndoCeutics), Y.K., and R.G. are employees of EndoCeutics, developer of MS-based steroid assays. A.B. is a consultant of EndoCeutics. mass spectrometry.

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)0,003
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,029
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0310,022
Charge utile insuffisante (le modèle a refusé de juger)0,0040,004

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 Opus0,082
Tête enseignante GPT0,374
Écart entre enseignants0,292 · 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'étudeSans objet
Domainenon disponible
GenreÉditorial

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

En bref

Citations11
Publié2015
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueThe Journal of Clinical Endocrinology & MetabolismMême sujetHormonal and reproductive studiesTravaux en français237 207