A ten‐color tube with dried antibody reagents for the screening of hematological malignancies
Notice bibliographique
Résumé
INTRODUCTION: The workflow in clinical flow cytometry laboratories must constantly be reviewed to develop technical procedures that improve quality and productivity and reduce costs. Using the Beckman Coulter dry coating technology, we customized a ten-color tube with dried antibody reagents, designated the Duraclone screening tube (DST), for screening hematological malignancies. Here, we compared the applicability, clinical and numerical equivalence, and cost and time required for the technical procedures between the liquid reagents and the DST. METHODS: The DST contains CD4 + Kappa-FITC, CD8 + Lambda-PE, CD3 + CD14-ECD, CD33-PE-Cy5.5, CD20 + CD56-PE-Cy7, CD34-APC, CD19-APC-AlexaFluor700, CD10-APC-AlexaFluor750, CD5-Pacific Blue, and CD45-Krome Orange. We evaluated 20 bone marrow samples, 13 peripheral blood samples, 6 lymph node biopsy samples, 5 fine-needle aspirate samples, 5 cerebrospinal fluid samples, and 1 pleural fluid sample. RESULTS: The DST was useful for more than 60% of our samples. It was able to enumerate the majority of the populations in all types of samples with a statistically acceptable correlation with the liquid reagents. The use of the DST translated into significant time and cost savings of 15.8% and 12.3%, respectively, compared with the use of the liquid reagent. The cost was reduced by $14.36 per sample. CONCLUSIONS: The DST is an efficient solution for screening hematological malignancies with improved quality, productivity, standardization, and sustainability. These improvements could benefit patients by providing faster diagnoses using a higher quality and lower cost reagent.
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 | 0,001 |
| 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 | 0,001 | 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 ».