Multicenter flow cytometry proficiency testing of canine blood and lymph node samples
Notice bibliographique
Résumé
BACKGROUND: Flow cytometry (FC) is used increasingly in veterinary medicine for further characterization of hematolymphoid cells. Guidelines for optimizing assay performance and interpretation of results are limited, and concordance of results across laboratories is unknown. OBJECTIVES: This study aimed to determine inter-investigator agreement on the interpretation of FC results from split samples analyzed in different laboratories using various protocols, cytometers, and software; and on the interpretation of archived FC standard (FCS) data files contributed by the different investigators. METHODS: This was a multicenter observational cross-sectional study. Anticoagulated blood or lymph node aspirate samples from nine client-owned dogs were aliquoted and shipped to participating laboratories. Samples were analyzed with individual laboratory-developed protocols. In addition, FCS files from a set of separate samples from 11 client-owned dogs were analyzed by participating investigators. A person not associated with the study tabulated the results and interpretations. Agreement of interpretations was assessed with Fleiss' kappa statistic. RESULTS: Prolonged transit times affected sample quality for some laboratories. Overall agreement among investigators regarding the FC sample interpretation was strong (κ = 0.86 ± 0.19, P < .001), and for specific categories, ranged from moderate to perfect. Agreement of the lymphoproliferation or other leukocyte sample category from the analysis of the FCS files was weak (κ = 0.58 ± 0.05, P < .001). CONCLUSIONS: Lymphoproliferations were readily identified by FC, but identification of the categories of hematolymphoid neoplasia in fresh samples or archived files was variable. There is a need for a more standardized approach to maximize the enormous potential of FC in veterinary medicine.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».