Comparison of light transmission aggregometry and multiple electrode aggregometry for the evaluation of patients with mucocutaneous bleeding
Notice bibliographique
Résumé
INTRODUCTION: analyzer (Roche Diagnostics) requires smaller blood volumes and less sample manipulation than LTA, making it an attractive clinical testing option. Direct comparisons of MEA with LTA for diagnosis of platelet aggregation abnormalities are few. METHODS: Ninety-nine patients (66 F/33 M; median age 26 [range 2-86] years), referred for initial laboratory evaluation of mucocutaneous bleeding, had parallel MEA/LTA testing. Concentrations of ADP, arachidonic acid (AA), collagen, and thrombin receptor-activating peptide (TRAP) that produced threshold responses in normal controls were used for testing patients. RESULTS: Twenty-nine of the 99 patients (30%) had at least one abnormal agonist response by LTA; 15 of these patients had >1 abnormal agonist response. Thirty-six patients (36%) had at least one abnormal agonist response by MEA; 27 had >1 abnormal agonist response. Sensitivity/specificity of MEA relative to LTA: ADP, 0.70/0.72; AA, 0.71/0.85; collagen, 0.85/0.71; TRAP 0.25/0.84. Negative predictive values (NPVs) for MEA relative to LTA: ADP, 0.90; AA, 0.93; collagen, 0.97; TRAP, 0.96. CONCLUSIONS: Specific abnormal results of MEA testing did not adequately predict specific abnormalities in LTA testing using threshold agonist concentrations. However, favorable NPVs suggest that MEA may be useful in screening patients for platelet aggregation abnormalities; those with normal MEA results not requiring further diagnostic testing by LTA.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 ».