MétaCan
Menu
Retour à la cohorte
Enregistrement W2092064171 · doi:10.1002/ppsc.200700017

Routine Quality Testing of Blood Platelet Transfusions with Dynamic Light Scattering

2008· article· en· W2092064171 sur OpenAlexafffund
Elisabeth Maurer‐Spurej, Audrey Labrie, Keddie Brown

Notice bibliographique

RevueParticle & Particle Systems Characterization · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueBlood properties and coagulation
Établissements canadiensSt. Paul's HospitalCanadian Blood ServicesUniversity of British Columbia
Organismes subventionnairesCanadian Blood Services
Mots-clésDynamic light scatteringPlateletSample (material)Light scatteringQuality (philosophy)Materials scienceScatteringOpticsChemistryMedicineNanotechnologyPhysicsChromatographyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Extension of the current 5‐day shelf life of platelet concentrates to increase the supply of this life saving blood product will require quality testing. However, no automated test exists to routinely measure the quality of platelet concentrates for transfusion. Platelet concentrates cannot be sampled and diluted. These practical limitations have prevented the routine use of optical methods for platelet quality testing. The Dynamic Light Scattering Platelet Monitor (DLS‐PM) addresses these limitations. The DLS‐PM is a portable instrument with a temperature‐controlled sample holder to accommodate a wide range of sample containers. The challenges of small sample size, short light path through the sample, and accurate temperature control have been solved. The DLS‐PM measures platelet size, number of platelet‐derived microparticles, and the response of platelets to temperature changes, which are combined to calculate a platelet quality score. In this paper we introduce the DLS‐PM and discuss the advantages and challenges for dynamic light scattering to become a clinically relevant, routinely used platelet test.

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)0,004
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,004
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,254
Écart entre enseignants0,213 · 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

Citations5
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueParticle & Particle Systems CharacterizationMême sujetBlood properties and coagulationTravaux en français237 207