MétaCan
Menu
Retour à la cohorte
Enregistrement W1993972593 · doi:10.1111/j.1365-2257.1994.tb00398.x

Evaluation of the Roche Cobas Argos 5Diff automated haematology analyser with comparison to a Coulter STKS

2008· article· en· W1993972593 sur OpenAlexaff
B. Sheridan, M. LOLLO, Sharon Howe, Natasha Bergeron

Notice bibliographique

RevueClinical & Laboratory Haematology · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueHematological disorders and diagnostics
Établissements canadiensUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésAnalyserFlaggingHematology analyzerMedicineNuclear medicineInternal medicineChromatographyChemistry

Résumé

récupéré en direct d'OpenAlex

The performance of the Roche Cobas Argos 5Diff (Argos) automated haematology analyser was evaluated by comparison to manual blood film examination and a Coulter STKS (STKS) analyser. The Argos demonstrated excellent between and inter-batch imprecision for all parameters, except the MCHC, and good linearity for Hb, WBC and platelet count (PLT). After an initial fall the PLT, results were stable for up to six h at 18 degrees C in EDTA(K3) after which an increasing proportion of cells were classified as lymphocytes. Results of 239 patient samples analysed on both instruments, compared by linear regression, gave excellent correlation (r2 > 0.90) for most parameters with the exceptions of the MCHC (0.317), eosinophils% (0.756), monocytes% (0.48) and basophils% (0.002). 'Flagging' of cellular abnormalities by the Argos resulted in excellent sensitivity (97.5%), specificity (93.2%) and efficiency/agreement (93.2%), with fewer false positive and negative results than the STKS, although these differences were not statistically significant. The performance characteristics of the Argos were comparable to those of the STKS with a possible improvement in its flagging abilities.

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)0,010
score de la tête « metaresearch » (Gemma)0,016
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,149
Tête enseignante GPT0,455
Écart entre enseignants0,306 · 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
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

Citations8
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical & Laboratory HaematologyMême sujetHematological disorders and diagnosticsTravaux en français237 207