MétaCan
Menu
Retour à la cohorte
Enregistrement W3108003632 · doi:10.1016/j.plabm.2020.e00190

Performance evaluation of all analytes on the epoc® Blood Analysis System for use in hospital surgical and intensive care units

2020· article· en· W3108003632 sur OpenAlexaff
Zahraa Mohammed‐Ali, Sousan Bagherpoor, Pauline Diker, Thuy Hoang, Ivana Vidović, Christine Cursio, Felix Leung, Davor Brinc

Notice bibliographique

RevuePractical Laboratory Medicine · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical Laboratory Practices and Quality Control
Établissements canadiensMount Sinai HospitalUniversity Health NetworkMichener InstituteUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineHematocritHematology analyzerSpectrum analyzerIntensive care unitCreatinineVenous bloodAnalyteSurgeryInternal medicineChromatographyChemistry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To evaluate the performance of the epoc hand-held analyzer against the RAPIDPoint 500 blood gas analyzer and laboratory analyzers where applicable. METHODS: Venous or arterial whole blood samples collected in balanced heparinized syringes were obtained from 69 patients (35 females, 34 males) predominantly (77%) from the surgical unit and intensive care unit (ICU). Method comparison was performed for all analytes on the epoc System against the RAPIDPoint 500 Blood gas analyzer or laboratory analyzers where applicable. Results: Mean bias was <5% for blood gases, electrolytes, lactate and glucose. Hematocrit showed a bias of -6.76% (95% CI ​= ​-8.91, - 4.61) compared to the HemataSTAT-II method, whereas calculated total hemoglobin showed a bias of 1.51% (95% CI ​= ​-1.04, 4.06) against the Sysmex XN-10 hematology analyzer. Creatinine showed the largest bias relative to laboratory analyzers, Abbott Architect c8000 Jaffe method (13.54%, 95% CI ​= ​5.43, 21.65) and Roche Cobas c702 enzymatic method (30.01%, 95% CI ​= ​12.64, 47.38). Conclusions: The epoc system is fit for use in the surgical and ICU setting for the measurement of all analytes except for creatinine.

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)0,020
score de la tête « metaresearch » (Gemma)0,044
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,108

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,044
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,172
Tête enseignante GPT0,412
Écart entre enseignants0,240 · 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'étudeExpérimental (laboratoire)
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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePractical Laboratory MedicineMême sujetClinical Laboratory Practices and Quality ControlTravaux en français237 207