The impact of pre‐analytical variations on biochemical analytes stability: A systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: A common problem in clinical laboratories is maintaining the stability of analytes during pre-analytical processes. The aim of this study was to systematically summarize the results of a set of studies about the biochemical analytes stability. METHODS: A literature search was performed on the Advanced search field of PubMed using the keywords: "(stability) AND (analytes OR laboratory analytes OR laboratory tests OR biochemical analytes OR biochemical tests OR biochemical laboratory tests)." A total of 56 entries were obtained. After applying the selection criteria, 20 articles were included in the study. RESULTS: In the 20 included references, up to 123 different analytes were assessed. The 34 analytes in order of the most frequently studied analytes were evaluated: Alanine aminotransferase, aspartate aminotransferase, potassium, triglyceride, alkaline phosphatase, creatinine, total cholesterol, albumin, lactate dehydrogenase, sodium, calcium, γ-glutamyltransferase, total bilirubin, urea, creatine kinase, inorganic phosphate, total protein, uric acid, amylase, chloride, high-density lipoprotein, magnesium, glucose, C-reactive protein, bicarbonate, ferritin, iron, lipase, transferrin, cobalamin, cortisol, folate, free thyroxine, and thyroid-stimulating hormone. Stable test results could be varied between 2 hours and 1 week according to the type of samples and/or type of blood collection tubes on a basic classification set as refrigerated or room temperature. CONCLUSIONS: Biochemical analytes stability could be improved if the best pre-analytical approaches are 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.
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 | 0,023 | 0,154 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,020 | 0,017 |
| Bibliométrie | 0,000 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 découle