Metabolic profiles derived from residual blood spot samples: A longitudinal analysis
Notice bibliographique
Résumé
<ns4:p> <ns4:bold>Background:</ns4:bold> Secondary use of newborn screening dried blood spot samples include use for biomedical or epidemiological research. However, the effects of storage conditions on archival samples requires further examination. The objective of this study was to determine the utility of residual newborn samples for deriving reliable metabolic gestational age estimates. </ns4:p> <ns4:p> <ns4:bold>Methods:</ns4:bold> Residual newborn dried blood spot samples that had been stored for 2-, 4-, 6-, or 12-months in temperature controlled (21°C) conditions were re-analyzed for the full panel of newborn screening analytes offered by a provincial newborn screening lab in Ottawa, Canada. Data from re-analyzed samples were compared to corresponding baseline newborn screening values for absolute agreement, and Pearson and intraclass correlation. Performance of a gestational age estimation algorithm originally developed from baseline newborn screening values was then validated on data derived from stored samples. </ns4:p> <ns4:p> <ns4:bold>Results:</ns4:bold> A total of 307 samples were used for this study. 17-hydroxyprogesterone and newborn hemoglobin profiles measured by immunoassay and high-performance liquid chromatography, respectively, were among the most stable markers across all time points of analysis. Acylcarnitines exhibited the greatest degree of variation in stability upon repeat measurement. The largest shifts in newborn analyte profiles and the poorest performance of metabolic gestational age algorithms were observed when samples were analyzed 12-months after sample collection. </ns4:p> <ns4:p> <ns4:bold>Conclusions:</ns4:bold> Duration of sample storage, independent of temperature and humidity, affects newborn screening profiles and gestational age estimates derived from metabolic gestational dating algorithms. When considering use of dried blood spot samples either for clinical or research purposes, care should be taken when interpreting data stemming from secondary use. </ns4:p>
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».