Laboratory Detection and Initial Diagnosis of Monoclonal Gammopathies
Notice bibliographique
Résumé
CONTEXT.—: The process for identifying patients with monoclonal gammopathies is complex. Initial detection of a monoclonal immunoglobulin protein (M protein) in the serum or urine often requires compilation of analytical data from several areas of the laboratory. The detection of M proteins depends on adequacy of the sample provided, available clinical information, and the laboratory tests used. OBJECTIVE.—: To develop an evidence-based guideline for the initial laboratory detection of M proteins. DESIGN.—: To develop evidence-based recommendations, the College of American Pathologists convened a panel of experts in the diagnosis and treatment of monoclonal gammopathies and the laboratory procedures used for the initial detection of M proteins. The panel conducted a systematic literature review to address key questions. Using the Grading of Recommendations Assessment, Development, and Evaluation approach, recommendations were created based on the available evidence, strength of that evidence, and key judgements as defined in the Grading of Recommendations Assessment, Development, and Evaluation Evidence to Decision framework. RESULTS.—: Nine guideline statements were established to optimize sample selection and testing for the initial detection and quantitative measurement of M proteins used to diagnose monoclonal gammopathies. CONCLUSIONS.—: This guideline was constructed to harmonize and strengthen the initial detection of an M protein in patients displaying symptoms or laboratory features of a monoclonal gammopathy. It endorses more comprehensive initial testing when there is suspicion of amyloid light chain amyloidosis or neuropathies, such as POEMS (polyneuropathy, organomegaly, endocrinopathy, M protein, and skin changes) syndrome, associated with an M protein.
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 | 0,001 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».