MétaCan
Menu
Retour à la cohorte
Enregistrement W2802901241 · doi:10.3390/ht7020010

Red Blood Cell Agglutination for Blood Typing Within Passive Microfluidic Biochips

2018· article· en· W2802901241 sur OpenAlexfundno aff
Maxime Huet, Myriam Cubizolles, Arnaud Buhot

Notice bibliographique

RevueHigh-Throughput · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueBlood groups and transfusion
Établissements canadiensnon disponible
Organismes subventionnairesAgence Nationale de la RechercheIndigenous and Northern Affairs CanadaLABoratoires d’EXcellence ARCANE
Mots-clésBiochipAgglutination (biology)Blood typingMicrofluidicsWhole bloodTypingBiomedical engineeringComputer scienceMedicineMaterials scienceImmunologyNanotechnologyAntibody

Résumé

récupéré en direct d'OpenAlex

Pre-transfusion bedside compatibility test is mandatory to check that the donor and the recipient present compatible groups before any transfusion is performed. Although blood typing devices are present on the market, they still suffer from various drawbacks, like results that are based on naked-eye observation or difficulties in blood handling and process automation. In this study, we addressed the development of a red blood cells (RBC) agglutination assay for point-of-care blood typing. An injection molded microfluidic chip that is designed to enhance capillary flow contained anti-A or anti-B dried reagents inside its microchannel. The only blood handling step in the assay protocol consisted in the deposit of a blood drop at the tip of the biochip, and imaging was then achieved. The embedded reagents were able to trigger RBC agglutination in situ, allowing for us to monitor in real time the whole process. An image processing algorithm was developed on diluted bloods to compute real-time agglutination indicator and was further validated on undiluted blood. Through this proof of concept, we achieved efficient, automated, real time, and quantitative measurement of agglutination inside a passive biochip for blood typing which could be further generalized to blood biomarker detection and quantification.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,013
Tête enseignante GPT0,244
Écart entre enseignants0,231 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations31
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHigh-ThroughputMême sujetBlood groups and transfusionTravaux en français237 207