Performance of the CellaVision® DM96 system for detecting red blood cell morphologic abnormalities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Red blood cell (RBC) analysis is a key feature in the evaluation of hematological disorders. The gold standard light microscopy technique has high sensitivity, but is a relativity time-consuming and labor intensive procedure. This study tested the sensitivity and specificity of gold standard light microscopy manual differential to the CellaVision(®) DM96 (CCS; CellaVision, Lund, Sweden) automated image analysis system, which takes digital images of samples at high magnification and compares these images with an artificial neural network based on a database of cells and preclassified according to RBC morphology. METHODS: In this study, 212 abnormal peripheral blood smears within the Calgary Laboratory Services network of hospital laboratories were selected and assessed for 15 different RBC morphologic abnormalities by manual microscopy. The same samples were reassessed as a manual addition from the instrument screen using the CellaVision(®) DM96 system with 8 microscope high power fields (×100 objective and a 22 mm ocular). The results of the investigation were then used to calculate the sensitivity and specificity of the CellaVision(®) DM96 system in reference to light microscopy. RESULTS: The sensitivity ranged from a low of 33% (RBC agglutination) to a high of 100% (sickle cells, stomatocytes). The remainder of the RBC abnormalities tested somewhere between these two extremes. The specificity ranged from 84% (schistocytes) to 99.5% (sickle cells, stomatocytes). CONCLUSIONS: Our results showed generally high specificities but variable sensitivities for RBC morphologic abnormalities.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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