Digital Microfluidic Hemagglutination Assays for Blood Typing, Donor Compatibility Testing, and Hematocrit Analysis
Notice bibliographique
Résumé
BACKGROUND: Blood typing, donor compatibility testing, and hematocrit analysis are common tests that are important in many clinical applications, including those found in high-stakes settings such as the trauma center. These tests are typically performed in centralized laboratories with sample batching; the minutes that are lost in this mode can lead to adverse outcomes, especially for critical-care patients. As a step toward providing rapid results at the bedside, we developed a point-of-care hemagglutination system relying on digital microfluidics (DMF) and a unique, automated readout tool, droplet agglutination assessment using digital microfluidics (DAAD). METHODS: ABO and Rhesus blood grouping, donor crossmatching, and hematocrit assays were developed on a portable DMF platform that allowed for automated sample processing. The result of each assay could be determined by eye or automatically with the DAAD imaging tool. RESULTS: DMF-DAAD was applied to 109 samples collected from different sources (including commercial samples, pinpricks from volunteers, and a hospital blood bank), with perfect fidelity to gold-standard results. Some of these tests were carried out by a nonexpert in a hospital trauma center. Proof-of-concept results were also collected from smaller sample sets for donor compatibility testing and hematocrit analysis. CONCLUSION: DMF-DAAD shows promise for delivering rapid, reliable results in a format well suited for a trauma center and other settings where every minute counts.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».