A novel Sigma metric encompasses global multi-site performance of 18 assays on the Abbott Alinity system
Notice bibliographique
Résumé
OBJECTIVES: The Abbott Alinity family of chemistry and immunoassay systems recently launched with early adopters contributing imprecision and bias data, which was consolidated to assess the performance of Alinity assays across multiple sites using the Sigma metric. Multi-site Sigma metrics were determined for 3 ion-selective electrodes, 12 photometric assays, and 3 immunoassays across 11 independent laboratory sites in 9 countries. METHODS: Total allowable error (TEa) goals followed a previously defined hierarchy that used CLIA as the primary goal. Bias was calculated against the Abbott ARCHITECT system using Passing-Bablok regression analysis using individual site data or pooled aggregate data. Sigma metrics were calculated as (%TEa - |% bias|)/%CV. For individual-site analysis, the Sigma metrics for each assay were compared using the individual-site and the pooled biases. For multi-site analysis, the average CV and the pooled bias were used to generate a Pooled Sigma metric encompassing the global performance for a given assay. RESULTS: A total of 97 individual-site and 18 Pooled Sigma metrics were calculated for available assays. Individual Sigma metrics varied across sites, with 90% of assays performing 4 Sigma or higher, and 17 of 18 Pooled Sigma metrics indicated performance greater than 4 Sigma. Sigma metrics were significantly improved in 16 assays when using pooled bias rather than individual-site bias. CONCLUSIONS: This multi-center study applies a novel application of Sigma metrics to the first Alinity users and reveals analytical performance of greater than 4 Sigma for vast majority of assays. Laboratories with limited resources can leverage larger data sets for Pooled Sigma metric analysis, providing a tool to assess the consistency of analytical performance from multiple sites.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».