MétaCan
Menu
Retour à la cohorte
Enregistrement W3015278681 · doi:10.1515/cclm-2019-1262

Assessment of antinuclear antibodies by indirect immunofluorescence assay: report from a survey by the American Association of Medical Laboratory Immunologists

2020· article· en· W3015278681 sur OpenAlexaff
Lisa K. Peterson, Anne E. Tebo, Mark H. Wener, Susan S. Copple, Marvin J. Fritzler

Notice bibliographique

RevueClinical Chemistry and Laboratory Medicine (CCLM) · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSystemic Lupus Erythematosus Research
Établissements canadiensUniversity of Calgary
Organismes subventionnairesARUP Laboratories
Mots-clésAnti-nuclear antibodyMedical laboratoryMedicineIndirect immunofluorescenceFamily medicinePathologyTest (biology)ImmunologyAntibodyBiologyAutoantibody

Résumé

récupéré en direct d'OpenAlex

Background: The indirect immunofluorescence assay (IFA) using HEp-2 cell substrates is the preferred method by some for detecting antinuclear antibodies (ANA) as it demonstrates a number of characteristic staining patterns that reflect the cellular components bound as well as semi-quantitative results. Lack of harmonized nomenclature for HEp-2 IFA patterns, subjectivity in interpretation and variability in the number of patterns reported by different laboratories pose significant harmonization challenges. The main objectives of this study were to assess current practice in laboratory assessment of HEp-2 IFA, identify gaps and define strategies to improve reading, interpretation and reporting. Methods: We developed and administered a 24-item survey based on four domains: educational and professional background of participants, current practice of HEp-2 IFA testing and training, gap assessment and the perceived value of International Consensus on Antinuclear Antibody Patterns (ICAP) and other factors in HEp-2 IFA assessment. The Association of Medical Laboratory Immunologists (AMLI) and American Society for Clinical Pathology administered the survey from April 1 to June 30, 2018, to members involved in ANA testing. This report summarizes the survey results and discussion from a dry workshop held during the 2019 AMLI annual meeting. Results: One hundred and seventy-nine (n = 179) responses were obtained where a significant number were clinical laboratory scientists (46%), laboratory directors (24%), supervisors (13%) or others (17%). A majority of respondents agreed on the need to standardize nomenclature and reporting of HEp-2 IFA results. About 55% were aware of the ICAP initiative; however, among those aware, a significant majority thought its guidance on HEp-2 IFA nomenclature and reporting is of value to clinical laboratories. To improve ICAP awareness and further enhance HEp-2 IFA assessment, increased collaboration between ICAP and the clinical laboratory community was suggested with emphasis on education and availability of reference materials. Conclusions: Based on these suggestions, future efforts to optimize HEp-2 IFA reading, interpretation and reporting would benefit from more hands-on training of laboratory personnel as well as continuous collaboration between professional organizations, in vitro diagnostic manufacturers and clinical laboratories.

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)0,007
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,041
Tête enseignante GPT0,392
Écart entre enseignants0,351 · 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'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

Citations19
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Chemistry and Laboratory Medicine (CCLM)Même sujetSystemic Lupus Erythematosus ResearchTravaux en français237 207