Comparison of five platforms for enumeration of residual leucocytes in leucoreduced blood components
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
The need for quality control of leucoreduction of blood products has led to the development of various methods to count low levels of residual leucocytes. We compared five platforms side-by-side: the Nageotte haemocytometer and four based on fluorescent staining of nuclei: two flowcytometers (Beckman Coulter, BD Biosciences) with methods based on counting beads, a volumetric flow cytometer (Partec) and the microvolumic fluorimeter ImagN2000 (BD Biosciences), all according to their manufacturers' recommended methods. Analysis of double-filtered red cell concentrates (RCCs) and platelet concentrates (PCs), spiked with various numbers of leucocytes, revealed good linearity for all methods over the range of 1.6-32.7 leucocytes/microl, all with r(2) > 0.99. At the rejection level of leucocyte-reduced blood components, i.e. 1 x 10(6) per unit corresponding with approximately 3.3 leucocytes/microl, the Nageotte haemocytometer had low accuracy (0% for RCCs, 56% for PCs), and was relatively imprecise [coefficient of variance (CV) of 34% and 30% respectively]. The Partec flow cytometer gave good results for RCCs (accuracy 67%, CV 22%), but not for PCs (accuracy 0%, CV 25%). The ImagN2000 had an accuracy of 44% for RCCs and 89% for PCs, but the precision was variable (CV 32% for RCCs, 15% for PCs). The best results were obtained with the Beckman Coulter (RCCs: accuracy 86%, CV 13%, PCs: accuracy 67%, CV 16%), and BD Biosciences platforms (RCCs: accuracy 100%, CV 10%; PCs: accuracy 89%, CV 11%). We conclude that, at the rejection level of 1 x 10(6) leucocytes per unit, the widely used Nageotte haemocytometer performs poorly in terms of inaccuracy and imprecision, and that both counting-bead-based, flow cytometric methods performed best.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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