MétaCan
Menu
Retour à la cohorte
Enregistrement W3000683795 · doi:10.1111/trf.15666

The effect of serum pretreatment regimens for the detection of HLA class I antibodies in platelet‐refractory patients

2020· article· en· W3000683795 sur OpenAlexaff
Gizem Tumer, Thomas J. Gniadek, Jennifer Baye, Ryan Pena, Paul Warner, Mark Fung, Lynette Beaudin, H. Dunckley, Manish J. Gandhi, Birgit Gathof, Susan H. Hsu, Ellen Klohe, Nalaja Marcus, Roberta Bamert, Shona Sims, Minoko Takanashi, Silvano Wendel, Claudia S. Cohn

Notice bibliographique

RevueTransfusion · 2020
Typearticle
Langueen
DomaineMedicine
ThématiquePlatelet Disorders and Treatments
Établissements canadiensCanadian Blood Services
Organismes subventionnairesnon disponible
Mots-clésAntibodyCoefficient of variationHuman leukocyte antigenMedicinePlateletImmunologyAntigenRefractory (planetary science)Confidence intervalInternal medicineChemistryChromatographyBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Single antigen bead (SAB) assays are used to identify human leukocyte antigen (HLA) antibodies in patients with platelet refractoriness due to HLA Class I alloimmunization. Some laboratories use serum pretreatment regimens to eliminate interference from immunoglobulin M antibodies and complement. These modifications may contribute to interlaboratory variability, which is a recognized problem with the SAB assay. STUDY DESIGN AND METHODS: Five patients' sera were overnight shipped to 12 laboratories in the United States and internationally. Recipients used their lab's SAB procedure to identify HLA Class I antibodies. The resultant mean fluorescence intensity (MFI) data were compared by instrumentation, bead lot, and pretreatment regimens. Laboratory-specific cutoffs for positive antibodies were applied to the results. RESULTS: Interlaboratory variability for MFI values appears to be associated with different pretreatment regimens. The coefficient of variation (CV) of MFI from samples pretreated with ethylenediaminetetraacetic acid, dithiothreitol, or heat inactivation (EDHI) were similar, ranging from 14% to 56% (mean, 22%). For samples with no pretreatment, the CVs were significantly higher than EDHI-treated samples, ranging from 25% to 74% (mean, 39%; 95% confidence interval, 12.10-21.90; p < 0.0001). An intralaboratory comparison of pretreatment regimens confirmed these findings. Some positive antibody specificities present in EDHI-treated samples were negative in corresponding samples with no pretreatment when laboratory-specific cutoffs for positive antibodies were applied. CONCLUSION: Our results show that greater interlaboratory precision can be achieved when samples are pretreated with EDHI as opposed to no pretreatment, likely because these pretreatments eliminate interference from inhibitors. Inhibitors may mask antibodies, leading to missed (or uncalled) specificities when no pretreatment is used.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,591
Score d'incertitude au seuil0,222

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,245
Écart entre enseignants0,235 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations9
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransfusionMême sujetPlatelet Disorders and TreatmentsTravaux en français237 207