MétaCan
Menu
Retour à la cohorte
Enregistrement W3000505217 · doi:10.3343/lmo.2020.10.1.1

Recommendations for the Use of Liquid Chromatography-Mass Spectrometry in the Clinical Laboratory: Part I. Implementation and Management

2020· article· en· W3000505217 sur OpenAlexaff
Kyunghoon Lee, Soo Young Moon, Serim Kim, Hyun‐Jung Choi, Sang‐Guk Lee, Hyung‐Doo Park, Soo‐Youn Lee, Sang Hoon Song

Notice bibliographique

RevueLaboratory Medicine Online · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolism and Genetic Disorders
Établissements canadiensIONICS Mass Spectrometry (Canada)
Organismes subventionnairesnon disponible
Mots-clésChromatographyMass spectrometryLiquid chromatography–mass spectrometryChemistryMedicine

Résumé

récupéré en direct d'OpenAlex

Many types of assays involving mass spectrometry have been developed and applied in clinics. However, mass spectrometry has not been widely implemented yet relative to other measurement methods, including biochemical assays, immunoassays, and molecular diagnostics. Despite its strong advantage as an analytical method, many laboratory physicians and clinical laboratories are unwilling to introduce it. Fundamental elements, such as instruments, reagents, facilities, skilled human resources are required to implement mass spectrometry. This review contains considerations for the introduction of liquid chromatography-mass spectrometry to support the clinical laboratories interested in or planning to implement mass spectrometry.

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)0,042
score de la tête « metaresearch » (Gemma)0,110
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,220

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0420,110
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0050,003
Études des sciences et des technologies0,0010,002
Communication savante0,0050,004
Science ouverte0,0060,003
Intégrité de la recherche0,0110,008
Charge utile insuffisante (le modèle a refusé de juger)0,0230,026

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 Opus0,068
Tête enseignante GPT0,370
Écart entre enseignants0,302 · 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'étudeSans objet
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLaboratory Medicine OnlineMême sujetMetabolism and Genetic DisordersTravaux en français237 207