Effect of Romanowsky-Stained Concentrated Preparations versus Direct Smears on Veterinary Students’ Ability to Identify Bacterial Sepsis in Fluid Cytology Samples from Dogs, Cats, and Horses
Notice bibliographique
Résumé
Veterinary students’ accuracy, confidence, and time required to diagnose bacterial sepsis in fluid cytology samples was evaluated using two different slide preparation methods: direct smears and cytocentrifuged concentrated preparations. We hypothesized veterinary students would diagnose fluids as septic on concentrated preparations more accurately and quickly than on direct smears. Thirty third- and fourth-year students who had previously participated in a clinical pathology course completed a survey regarding general cytology experience and reviewed 40 randomized Romanowsky-stained slides via microscopy. Slides consisted of 10 septic and 10 non-septic samples with matched direct and concentrated slides, prepared from fluids from dogs, cats, and a horse. Participants’ slide evaluation time, diagnosis, confidence, and slide photographs of areas considered septic were recorded. No difference in diagnostic accuracy between direct and concentrated samples was identified (area under the curve: 57% for both preparations, p = 0.77), although students agreed with pathologist-determined diagnoses more often when viewing concentrated samples ( M = 63%, SD = 11% for concentrated; M = 56%, SD = 21% for direct, p = .012). A positive relationship existed between accuracy of diagnosis ( R2 = .59) and senior status ( p = .002), comfort interpreting cytology slides ( p < .03), and if the student had taken the senior pathology rotation ( p = .02). Only 38% (121/319) of participant photographs correctly identified sepsis. Under experimental conditions, concentrated preparations did not increase the accuracy of veterinary students’ bacterial sepsis diagnosis; however, since accuracy did increase with cytology experience and comfort level, additional pre-clinical and clinical cytology training may benefit students before entering practice.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,028 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».