Performance of CellaVision DM96 in leukocyte classification
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
BACKGROUND: Leukocyte differentials are an important component of clinical care. Morphologic assessment of peripheral blood smears (PBS) may be required to accurately classify leukocytes. However, manual microscopy is labor intensive. The CellaVision DM96 is an automated system that acquires digital images of leukocytes on PBS, pre-classifies the cell type, and displays them on screen for a Technologist or Pathologist to approve or reclassify. Our study compares the results of the DM96 with manual microscopy. METHODS: Three hundred and fifty-nine PBS were selected and assessed by manual microscopy with a 200 leukocyte cell count. They were then reassessed using the CellaVision DM96 with a 115 leukocyte cell count including reclassification when necessary. Correlation between the manual microscopy results and the CellaVision DM96 results was calculated for each cell type. RESULTS: The correlation coefficients (r (2)) range from a high of 0.99 for blasts to a low of 0.72 for metamyelocytes. CONCLUSIONS: The correlation between the CellaVision DM96 and manual microscopy was as good or better than the previously published data. The accuracy of leukocyte classification depended on the cell type, and in general, there was lower correlation for rare cell types. However, the correlation is similar to previous studies on the correlation of manual microscopy with an established reference result. Therefore, the CellaVision DM96 is appropriate for clinical implementation.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 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