Report on the 19th International Society of Blood Transfusion Platelet Immunology Workshop 2018
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: The aims of the 19th International Society of Blood Transfusion Platelet Immunology Workshop were to compare the sensitivity and specificity of in-house and commercially available methods for the detection of alloantibodies against human platelet antigens. Survey regarding laboratory management of samples collected for the diagnosis of foetal neonatal alloimmune thrombocytopenia was also conducted. MATERIALS AND METHODS: Twenty-nine laboratories from 17 countries were invited to participate. Seven serum or plasma samples for antibody identification and eight DNA samples for genotyping were sent to participating laboratories. Additionally, samples, critical reagents, materials and instructions for three exercises, one using a commercial kit (Pak Lx), one on platelet preparation for the detection of anti-HPA-3 antibodies and one for testing four anti-CD109 monoclonal antibodies for anti-HPA-15 antibody detection, were provided. RESULTS: Anti-HPA-1a, anti-HPA-2b, anti-HPA-5b and anti-GPIV were detected by the majority of the 28 reporting laboratories using their respective in-house MAIPA assay and/or a commercially available assay. Conversely, very few laboratories correctly identified anti-HPA-3a and HPA-15b. DNA genotyping of HPA and HLA alleles was highly accurate, with just a few discrepancies relative to the expected results. The Pak Lx kit has proven reliable for detecting anti-HPA-1a, anti-HPA-5a and anti-HLA; however, it failed at identifying an anti-HPA-3a in a clinical sample. CONCLUSIONS: Some anti-platelet alloantibodies are reliably and consistently detected, yet others remain difficult to detect. Genotyping of HPA and HLA alleles has proven to be highly accurate and robust. Future work should focus on optimizing the detection of anti-HPA-3 and anti-HPA-15 antibodies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».