MétaCan
Menu
Retour à la cohorte
Enregistrement W2047232602 · doi:10.1111/j.1365-2257.1994.tb00387.x

Profiency testing in reticulocyte counting

2008· article· en· W2047232602 sur OpenAlexaffabout
Reinhard Lohmann, Linda N. Crawford, D.E. Wood

Notice bibliographique

RevueClinical & Laboratory Haematology · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical Laboratory Practices and Quality Control
Établissements canadiensSystems, Applications & Products in Data Processing (Canada)Victoria Hospital
Organismes subventionnairesnon disponible
Mots-clésReticulocyteReliability (semiconductor)Coefficient of variationStatisticsMedical physicsQuality (philosophy)MedicineReliability engineeringMathematicsBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

The Laboratory Proficiency Testing Program tests and evaluates proficiency of clinical laboratories in Ontario, Canada. The programme began in 1974; testing of reticulocyte counts was added in 1982. From the beginning, the goal of the programme has been to ensure that the quality of practice in Ontario laboratories facilitates good quality patient care. Testing of indirect counting methods for reticulocytes is accomplished by the distribution of stained blood films. Performance is expressed in terms of accuracy and precision. Proficiency is assessed by comparing submitted results to an all-methods' mean and result reliability by observing the coefficient of variation (CV) of the cohort. The quality of the results vary neither with the manual counting system used nor the type of laboratory. The CV commonly ranges from 25 to 30%, and this lack of accuracy appears to be inherent in the technology of manual reticulocyte counting. We conclude that manual reticulocyte counting is technologically obsolete but may be of clinical value if used in a qualitative fashion. It should probably be replaced by an automated method.

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)0,022
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,116

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,036
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,003
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,204
Tête enseignante GPT0,445
Écart entre enseignants0,241 · 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'étudeObservationnel
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

Citations12
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical & Laboratory HaematologyMême sujetClinical Laboratory Practices and Quality ControlTravaux en français237 207