Quality control technique to reduce the variability of longitudinal measurement of hemoglobin mass
Notice bibliographique
Résumé
The sensitivity of the athlete blood passport to detect blood doping may be improved by the inclusion of total hemoglobin mass (Hb(mass)), but the comparability of Hb(mass) from different laboratories is unknown. To optimize detection sensitivity, the analytical variability associated with Hb(mass) measurement must be minimized. The aim of this study was to investigate the efficacy of using quality controls to minimize the variation in Hb(mass) between laboratories. Three simulated laboratories were set up in one location. Nine participants completed three carbon monoxide (CO) re-breathing tests in each laboratory. One participant completed two CO re-breathing tests in each laboratory. Simultaneously, quality controls containing Low (1-3%) and High (8-11%) concentrations of percent carboxyhemoglobin (%HbCO) were measured to compare hemoximeters in each laboratory. Linear mixed modeling was used to estimate the within-subject variation in Hb(mass), expressed as the coefficient of variation, and to estimate the effect of different laboratories. The analytic variation of Hb(mass) was 2.4% when tests were conducted in different laboratories, which reduced to 1.6% when the model accounted for between-laboratory differences. Adjustment of Hb(mass) values using quality controls achieved a comparable analytic variation of 1.7%. The majority of between-laboratory variation in Hb(mass) originated from the difference between hemoximeters, which could be eliminated using appropriate quality controls.
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 | 0,048 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».