MétaCan
Menu
Retour à la cohorte
Enregistrement W1974666757 · doi:10.1155/2012/610856

Efficiency of Manual Scanning in Recovering Rare Cellular Events Identified by Fluorescence<i>In Situ</i>Hybridization: Simulation of the Detection of Fetal Cells in Maternal Blood

2012· article· en· W1974666757 sur OpenAlexafffund
Ahmed Emad, Seemi Ayub, Oumar Samassékou, Marie-Chantal Grégoire, Macoura Gadji, Aimé Ntwari, Josée Lamoureux, Francis Hemmings, Triantafyllos Tafas, Michael W. Kilpatrick, Kada Krabchi, Régen Drouin

Notice bibliographique

RevueJournal of Biomedicine and Biotechnology · 2012
Typearticle
Langueen
DomaineMedicine
ThématiquePrenatal Screening and Diagnostics
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésIn situ hybridizationFluorescence in situ hybridizationIn situFetusFluorescenceFish <Actinopterygii>BiologyPathologyBiomedical engineeringMedicineChemistryPregnancyGeneticsGenePhysicsGene expressionOpticsChromosome

Résumé

récupéré en direct d'OpenAlex

Fluorescence in situ hybridization (FISH) and manual scanning is a widely used strategy for retrieving rare cellular events such as fetal cells in maternal blood. In order to determine the efficiency of these techniques in detection of rare cells, slides of XX cells with predefined numbers (1-10) of XY cells were prepared. Following FISH hybridization, the slides were scanned blindly for the presence of XY cells by different observers. The average detection efficiency was 84% (125/148). Evaluation of probe hybridization in the missed events showed that 9% (2/23) were not hybridized, 17% (4/23) were poorly hybridized, while the hybridization was adequate for the remaining 74% (17/23). In conclusion, manual scanning is a relatively efficient method to recover rare cellular events, but about 16% of the events are missed; therefore, the number of fetal cells per unit volume of maternal blood has probably been underestimated when using manual scanning.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,221

Scores Codex et Gemma par catégorie

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

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 Opus0,007
Tête enseignante GPT0,240
Écart entre enseignants0,233 · 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 tête enseignante, 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
GenreEmpirique

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

En bref

Citations6
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedicine and BiotechnologyMême sujetPrenatal Screening and DiagnosticsTravaux en français237 207