MétaCan
Menu
Retour à la cohorte
Enregistrement W2424586773 · doi:10.14740/jh265w

Complete Blood Count: Absolute or Relative Values?

2016· article· en· W2424586773 sur OpenAlexvenueno aff
Borros Arneth

Notice bibliographique

RevueJournal of Hematology · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueDigital Imaging for Blood Diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAbsolute (philosophy)MedicineBlood countInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: For many years, relative values based on 100 quantified cells have been used to assess blood counts in the field of hematology. However, modern blood counting machines have recently made it possible to determine absolute counts. Thus, the current study assessed whether the determination of relative values, based on 100 cells counted, or the determination of absolute values is more accurate in hematology.\nMethods: To calculate the errors of absolute counts and of quotients, we used two independent methods to determine the errors. For the error calculation, we first performed a Gaussian error calculation. Second we identified the errors using daily control checks and examined the high limit of the actual errors (precision) on the Sysmex XE5000 hematological analyzer.\nResults: Our findings indicated that the accuracy of the relative values was always much higher compared to the absolute values.\nConclusion: This finding can be explained by “combined errors” which affect absolute cell counts and which are directed for all cell counts of one run into the same direction. These types of errors are reduced by quotient formation as shown here for the basophils. The accuracy of the absolute values obtained from the hematology machines of the latest generation was acceptable due to the very high number of cells quantified.

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)0,012
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,036
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,003
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,025
Tête enseignante GPT0,272
Écart entre enseignants0,246 · 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'étudeSans objet
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

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of HematologyMême sujetDigital Imaging for Blood DiseasesTravaux en français237 207