MétaCan
Menu
Retour à la cohorte
Enregistrement W2563046280 · doi:10.1111/ijlh.12583

A method comparison study between two hemoglobinometer models (Hemocue Hb 301 and Hb 201+) to measure hemoglobin concentrations and estimate anemia prevalence among women in Preah Vihear, Cambodia

2016· article· en· W2563046280 sur OpenAlexaff
Aviva I Rappaport, Crystal D Karakochuk, Kyly C. Whitfield, Khin Meng Kheang, Tim Green

Notice bibliographique

RevueInternational Journal of Laboratory Hematology · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueIron Metabolism and Disorders
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésConcordanceHemoglobinMedicineAnemiaLimits of agreementPopulationDemographyPediatricsInternal medicineNuclear medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Hemoglobin (Hb) concentration is often measured in global health and nutrition surveys to determine anemia prevalence using a portable hemoglobinometer such as the Hemocue® Hb 201+. More recently, a newer model was released (Hemocue Hb 301) utilizing slightly different methods to measure Hb as compared to the older model. The objective was to measure bias and concordance between Hb concentrations using the Hemocue Hb 301 and Hb 201+ models in a rural field setting. METHODS: Hemoglobin (Hb) concentration was measured using one finger prick of blood (approximately 10 μL) from 175 Cambodian women (18-49 years) using three Hemocue Hb 201+ and three Hb 301 machines. Bias and concordance were measured and plotted. RESULTS: Overall, mean ± SD Hb concentration was 116 ± 13 g/L using the Hb 201+ and 118 ± 12 g/L using the Hb 301; and anemia prevalence (Hb < 120 g/L) was 58% (n = 102) and 58% (n = 101), respectively. Overall bias ± SD was 2.0 ± 10.5 g/L and concordance (95% CI) was 0.63 (0.54, 0.72). Despite the 2 g/L bias detected between models, anemia prevalence was very similar in both models. CONCLUSIONS: The two models measured anemia prevalence comparably in this population of women in rural Cambodia.

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)0,061
score de la tête « metaresearch » (Gemma)0,080
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,324

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0610,080
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,022
Tête enseignante GPT0,350
Écart entre enseignants0,328 · 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
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

Citations25
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Laboratory HematologyMême sujetIron Metabolism and DisordersTravaux en français237 207