Application of 3-D Δ Check Graphs to HbA<sub>1c</sub>Quality Control and HbA<sub>1c</sub>Utilization
Notice bibliographique
Résumé
Delta checking is a laboratory information system (LIS)-based tool that detects patient and laboratory quality control errors. By using hemoglobin A1c (HbA1c) data, we developed a novel approach to summarizing and presenting patient Delta values to address limitations of current Delta check algorithms. Delta values were calculated from intrapatient pairs of HbA1c (n = 55,327) measured during 2 years in a single referral or a university hospital laboratory. Three-dimensional Delta-time (DeltaT) and percentile limit graphs were constructed. Cumulative distribution function analysis was used to explore clinical utilization. The DeltaT graphs showed that HbA1c Delta values increase asymmetrically over time. Although the 2.5 to 97.5 and 5.0 to 95.0 percentile Delta check limits were similar for both sites, the referral laboratory's 0.5 to 99.5 percentile limits were wider. For acute patient care environments, we recommend limits of -3.5% and 1.8% for measurements between 0 and 60 days and -4.0% and 2.0% for measurements between 60 and 120 days. For the outpatient environment, we recommend limits of -4.2% and 2.1% and 5.0% and 2.5% for measurements between 0 and 60 days and 60 and 120 days, respectively.Delta checking can be significantly improved with customization of limits set by population and interobservation period. Because LIS systems are incapable of these customizations, customers must become advocates for these modifications.
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 | 0,007 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».