MétaCan
Menu
Retour à la cohorte
Enregistrement W2464993623 · doi:10.21141/pjp.2018.012

External Quality Assessment Scheme for Transfusion Transmissible Infections Among Blood Service Facilities in the Philippines, 2017

2018· article· en· W2464993623 sur OpenAlexaboutno aff
Kenneth Aristotle Punzalan, Rhoda Yu, Iza Mae Chamen

Notice bibliographique

RevuePhilippine Journal of Pathology · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueDigital Imaging for Blood Diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExternal quality assessmentMedicinePathology

Résumé

récupéré en direct d'OpenAlex

The External Quality Assessment Scheme (EQAS) evaluates the performance of participating laboratories through an external agency by which known blinded samples are sent to participants for analysis, and their performance evaluated and monitored. The Transfusion Transmissible Infections – National Reference Laboratory provides an external quality assessment scheme for transfusion transmissible infections to blood service facilities in the Philippines with the aim of raising the standards of quality testing in infectious diseases in blood units and as a mandatory requirement in the licensing of laboratories. In the 2017 test event, 180 participants were given an EQAS panel composed of the HVHT4120 serology program and the MLRA415 malaria program. Results were submitted through an online informatics system managed by OneWorld Accuracy Canada using the ISO 13528:2008 Robust Statistics method (Huber’s Method). Results were analyzed and evaluated with the reference result of the NRL to which non-concordant results would be marked aberrant. From the 14,392 generated results from the HVHT4120 program and 885 generated results from the MLRA415 program, 51 (0.35%) results and 86 (9.72%) results were reported as aberrant respectively. The aberrant results reported were either due to random or systematic errors. Analyzed data from this test event are used for the continuous improvement of their competencies and the renewal of their license to operate as required by the Department of Health.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,559
Score d'incertitude au seuil0,645

Scores Codex et Gemma par catégorie

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

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 Opus0,052
Tête enseignante GPT0,341
Écart entre enseignants0,288 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhilippine Journal of PathologyMême sujetDigital Imaging for Blood DiseasesTravaux en français237 207