Use of Fourier-Transform Infrared Spectroscopy for the Diagnosis of Failure of Transfer of Passive Immunity and Measurement of Immunoglobulin Concentrations in Horses
Notice bibliographique
Résumé
BACKGROUND: The economic, accurate, and rapid screening of foals for failure of transfer of passive immunity (FPT) is essential to ensure timely intervention. HYPOTHESIS: Infrared (IR) spectroscopy of foal sera and pattern recognition may be used to diagnose FPT and quantify serum IgG. SAMPLES: Sera from 194 foals (24-72 hours) with serum immunoglobulin G (IgG) concentrations determined previously by radial immunodiffusion assay (RID) were used. METHODS: IR spectra were recorded for the serum samples, and the data were randomly divided into training and independent test sets, each containing both FPT-positive (IgG <400 mg/dL) and non-FPT samples. A genetic optimal region selection algorithm and linear discriminant analysis were used to partition the training spectra, and the resulting classifier was then validated by comparing the IR-predicted FPT status for each of the test samples to that provided by the RID IgG assay. A quantitative IR-based assay for IgG was developed using partial least squares (PLS) and validated by testing its ability to predict IgG concentrations. RESULTS: Specificity, sensitivity, and accuracy for the combined data were 92.5, 96.8, and 95.9%, respectively. Corresponding positive (88.1%) and negative predictive (98.0%) values determined a success rate of 95-97% as compared to RID-based IgG concentrations. The IR-based quantitative assay yielded correlation coefficients for IR spectroscopy versus RID-based IgG concentrations of 0.90 and 0.86 for the training and test sets, respectively. CONCLUSIONS AND CLINICAL IMPORTANCE: The overall performance of the IR-based test was similar to that of the colorimetric assay and was superior and more economic than other available tests.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».