Notice bibliographique
Résumé
Heparin-induced thrombocytopenia (HIT) is a clinical-pathological disorder; thus, laboratory testing for the pathogenic platelet-activating antiplatelet factor 4 (PF4)/heparin antibodies is central for diagnosis. The "iceberg" model summarizes the inter-relationship between platelet activation assays and PF4-dependent immunoassays, with platelet-activating antibodies comprising a subset of anti-PF4/heparin antibodies. The platelet serotonin-release assay (SRA), performed by reference laboratories, has high sensitivity and specificity for HIT (~95% each), and is especially suited for detecting highly pathogenic HIT sera containing both heparin-dependent and heparin-independent platelet-activating antibodies; this latter subgroup of antibodies explains "autoimmune HIT" disorders (delayed-onset, persisting, spontaneous, heparin "flush," fondaparinux-associated). Recently, SRA-negative HIT has become recognized, in which serum from some HIT patients contains subthreshold levels of platelet-activating antibodies (by SRA) that become detectable using a PF4-enhanced platelet activation assay. Unusual immunologic features of HIT include early antibody detectability (at onset of platelet count fall) and antibody transience (seroreversion). Widely available PF4-dependent enzyme immunoassays (EIAs) have high sensitivity but poor specificity for HIT, although specificity is enhanced with IgG-specific EIAs and strong positive results; unfortunately, EIA results are usually not available in real time. Automated rapid immunoassays, such as the chemiluminescence immunoassay (CLIA) and latex immunoturbidimetric assay (LIA), facilitate real-time laboratory diagnosis. Recently available likelihood ratio (LR) data for positive (LR+) and negative (LR-) test results allow clinicians to adjust their pretest probabilities for HIT, using Bayesian analysis, into real-time posttest probabilities that are dramatically increased (test positive) or decreased (test negative). Moreover, (semi-)quantitative CLIA- and LIA-positive results (weak, moderate, strong positive) can further refine the posttest probability of HIT.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».