Laboratory Performance on Reporting Monoclonal Gammopathy During Cerebrospinal Fluid Oligoclonal Banding Analysis from External Quality Assessment Surveys
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Cerebrospinal fluid (CSF) oligoclonal banding (OCB) analysis is a sensitive test used to mainly aid multiple sclerosis (MS) diagnosis. Monoclonal gammopathy is usually an incidental finding during CSF OCB analysis. The aim of this study was to assess laboratory performance on reporting monoclonal gammopathy pattern during CSF OCB analysis based on external quality assessment surveys. METHODS: The CSF OCB surveys from the College of American Pathologists (CAP) from 2010 to 2015 were reviewed. The UK National External Quality Assessment Service (NEQAS) CSF OCB surveys from 2014 to 2017 were also reviewed. All monoclonal gammopathy patterns were confirmed by serum protein electrophoresis followed by immunofixation on a Sebia Hydrasys analyzer. RESULTS: There were 11 monoclonal gammopathy cases identified in the CAP OCB survey from 2010 to 2015. The average rate of CAP participants that correctly reported the pattern was 25.1% (range, 2.4%-66.7%). The most common pattern incorrectly reported was the systemic inflammation pattern, followed by the oligoclonal bands present/positive pattern. The NEQAS OCB survey from 2014 to 2017 had 4 monoclonal gammopathy cases and indicated a much higher number (average, 88.5%; range, 84.1%-90.8%) of participating laboratories to successfully detect monoclonal gammopathy. CONCLUSION: Monoclonal gammopathy is still an underrecognized pattern in the CSF OCB analysis by the CAP participating laboratories and warrants further education.
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.
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 | 0,019 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle