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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».