MétaCan
Menu
Retour à la cohorte
Enregistrement W2898926688 · doi:10.1097/mnm.0000000000000929

An electronic technetium-99m-diethylenetriaminepentaacetic acid glomerular filtration rate spreadsheet with novel embedded quality assurance features

2018· article· en· W2898926688 sur OpenAlexaff
Ran Klein, Simin Razavi, Rayhan Memon, Lionel S. Zuckier

Notice bibliographique

RevueNuclear Medicine Communications · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Kidney Disease and Diabetes
Établissements canadiensCarleton UniversityUniversity of OttawaOttawa Hospital
Organismes subventionnairesnon disponible
Mots-clésDiethylenetriaminepentaacetic acidQuality assuranceTechnetiumRenal functionChemistryTechnetium-99mNuclear medicineMedicineChelationBiochemistryScintigraphyPathologyExternal quality assessmentInorganic chemistry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Critical clinical decisions are made on the basis of the glomerular filtration rate (GFR) measured using technetium-99m-diethylenetriaminepentaacetic acid (DTPA) administration, followed by multiple time-point plasma sampling. As GFR studies rely on few data points and produce a single result, they are prone to technical errors that may remain inconspicuous. OBJECTIVE: We describe a data analysis worksheet that provides real-time quality control (QC) indicators and evaluate our initial clinical experience. METHODS: Two hundred and forty-six consecutive GFR studies carried out at our clinics were included. Our protocol used plasma samples at 2, 3, and 4 h after injection of technetium-99m-DTPA. Duplicate plasma samples, background samples, and aliquots of an activity dilution standard were counted. Times were logged for injection and dilution standard preparation, blood sampling, and counting. Data were entered into a custom GFR analysis spreadsheet that flagged QC in real time at warning and error levels, including QC of the expected ratio between dilution standard counts-activity ratio (CARs) measurements, which was newly introduced to our clinic. The prevalence of QC events was analyzed in three phases: baseline, training, and evaluation (n=31, 69, and 146, respectively). RESULTS: From the baseline and training phases (n=100), CAR reference values were determined for each of two sites. In the absence of the CAR QC indicator, errors were present in 5/31 (16%) examinations, but with QC indication decreased to 7/146 (5%) (P<0.05), suggesting that the real-time QC information guided the technologists to ensure proper standard preparation and sample handling, as intended. Improvements in other QC measures were also noted, resulting in an overall error rate reduction from 23 to 8%. CONCLUSION: Real-time analysis of redundant information as a component of the GFR worksheet ensures quality results, but training of technologists and interpreting physicians is essential for optimal utilization of these QC indicators.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,021
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0270,010

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 Opus0,024
Tête enseignante GPT0,333
Écart entre enseignants0,309 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNuclear Medicine CommunicationsMême sujetChronic Kidney Disease and DiabetesTravaux en français237 207