Resolving variable maternal D typing using serology and genotyping in selected prenatal patients
Notice bibliographique
Résumé
BACKGROUND: RhIG prophylaxis for D- pregnant women prevents hemolytic disease of the newborn and typically depends on results of serologic D typing. Interpretation and follow-up of weak D serology is variable. Recent recommendations promote genotyping for RHD status determination in those with weak D serology. Canadian Blood Services performs comprehensive serologic prenatal testing in four provinces. Genotyping is used to determine D typing in patients with weak D. STUDY DESIGN AND METHODS: A serologic algorithm identified which patients require genotyping for RHD determination. Genotyping was performed on one of two commercially available platforms. RESULTS: Only 0.4% of D- patients met criteria for genotyping. Sixty-one percent were weak D Type 1, 2, or 3. Thirty percent had a partial or weak D other than Type 1, 2, or 3. Eleven had variants which remained unresolved. Seventeen were D+ and four were D-. CONCLUSIONS: Genotyping of patients with weak D serology led to an identified genotype in most patients. RhIG administration was avoided in 66% who were weak D Type 1, 2, or 3 or were D+. The use of a serologic algorithm to select patients for RHD genotyping identifies a majority of patients with weak D types not at risk for alloimmunization. This approach limits the number of genotyping investigations and the cost of providing classification for weak D types.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».