Classification of signatures of Bovine Spongiform Encephalopathy in serum using infrared spectroscopy
Notice bibliographique
Résumé
Signatures of Bovine Spongiform Encephalopathy (BSE) have been identified in serum by means of "Diagnostic Pattern Recognition (DPR)". For DPR-analysis, mid-infrared spectroscopy of dried films of 641 serum samples was performed using disposable silicon sample carriers and a semi-automated DPR research system operating at room temperature. The combination of four mathematical classification approaches (principal component analysis plus linear discriminant analysis, robust linear discriminant analysis, artificial neural network, support vector machine) allowed for a reliable assignment of spectra to the class "BSE-positive" or "BSE-negative". An independent, blinded validation study was carried out on a second DPR research system at the Veterinary Laboratory Agency, Weybridge, UK. Out of 84 serum samples originating from terminally-ill, BSE-positive cattle, 78 were classified correctly. Similarly, 73 out of 76 BSE-negative samples were correctly identified by DPR such that, numerically, an accuracy of 94.4 % can be calculated. At a confidence level of 0.95 (alpha = 0.05) these results correspond to a sensitivity > 85% and a specificity > 90%. Identical class assignment by all four classifiers occurred in 75% of the cases while ambiguous results were obtained in only 8 of the 160 cases. With an area under the ROC (receiver operating charateristics) curve of 0.991, DPR may potentially supply a valuable surrogate marker for BSE even in cases in which a deliberate bias towards improved sensitivity or specificity is desired. To the best of our knowledge, DPR is the first and--up to now--only method which has demonstrated its capability of detecting BSE-related signatures in serum.
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 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».