Application of a Simulation Model to Estimate Treatment Error and Clinical Risk Derived from Point-of-Care International Normalized Ratio Device Analytic Performance
Notice bibliographique
Résumé
BACKGROUND: In 2016, the Food and Drug Administration (FDA) proposed to enhance performance expectations for point-of-care testing (POCT) international normalized ratio (INR) devices relative to International Organization for Standardization (ISO) 17593:2007. The objective of the study was to estimate the frequency of warfarin dosing errors associated with a central laboratory INR method, a POCT INR method, and the proposed FDA performance goals. METHODS: A data set of INR results (n = 51912) from adult patients with INR ≤4 was used to assess the influence of adding assay imprecision and bias on warfarin dose decisions. The frequency of error in warfarin dose and size of error (≥1 or ≥2 dose categories) was compared using published assay specifications for the Instrumentation Laboratory ACL TOP® and the Roche Diagnostics CoaguChek® XS relative to the proposed FDA guidelines. RESULTS: The frequency of warfarin dose misclassification was largely influenced by bias and was not sensitive to assay imprecision. The central laboratory and POCT INR methods met the FDA performance specifications, had equal rates of ≥2 warfarin dose category error, and had statistically different rates of ≥1 warfarin dose category error in large samples (n >250). CONCLUSIONS: Simulation models are useful tools for evaluating POCT INR assay performance criteria required to achieve the proposed FDA guidelines. This simulation depicted how the Roche Diagnostics CoaguChek XS instrument meets the guideline.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».