MétaCan
Menu
Retour à la cohorte
Enregistrement W2320636000 · doi:10.5858/arpa.2013-0685-le

Within-Individual Mean Corpuscular Volume Variation

2014· letter· en· W2320636000 sur OpenAlexaff
George S. Cembrowski, Kaila A. Topping, Gwen Clarke

Notice bibliographique

RevueArchives of Pathology & Laboratory Medicine · 2014
Typeletter
Langueen
DomaineMedicine
ThématiqueClinical Laboratory Practices and Quality Control
Établissements canadiensHealth Sciences CentreUniversity of Alberta HospitalAlberta Hospital Edmonton
Organismes subventionnairesnon disponible
Mots-clésMean corpuscular volumeVariation (astronomy)Hematology analyzerCoefficient of variationStatisticsMedicineMathematicsPathologyInternal medicinePhysicsHematocritAstrophysics

Résumé

récupéré en direct d'OpenAlex

We read with interest “Biological Variations of Hematologic Parameters Determined by UniCel DxH 800 Hematology Analyzer.”.1 Most of the estimates of biologic variation of the common analytes reported by Zhang et al1 were close to previously reported literature values. We are puzzled, however, about the broad intraindividual variation for mean corpuscular volume (MCV; 1.12%). Although compilations of biologic variation published before 2000 indicated intraindividual MCV coefficients of variation (CVs) could exceed 1%, 2 recent studies determined the CV was much lower, either 0.18%2 or 0.34%.3 As a result, the Zhang et al reference change values for MCV are much higher than our intuitive reference change values (perhaps, 2 fL) when we examine sequential patient MCVs measured by analyzers that are much older than the analyzer used by Zhang et al.The larger intraindividual MCV CVs reported before 2000 were likely associated with the use of more-imprecise instrumentation. Today, our analytic variations in MCV measurements are miniscule.4 Reasons for a tripling or quadrupling of the estimated intraindividual CV might include the incorporation of some outlying data, analyzer noise, or even some unusual individual-specific variation. We are wondering if Zhang et al would reexamine their MCV data and correlate any available quality control results with those data. Could this variation have been due to some sporadic instrument or individual source?

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)0,017
score de la tête « metaresearch » (Gemma)0,130
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,130
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0030,002
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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 Opus0,039
Tête enseignante GPT0,322
Écart entre enseignants0,283 · 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'étudeObservationnel
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchives of Pathology & Laboratory MedicineMême sujetClinical Laboratory Practices and Quality ControlTravaux en français237 207