Comparison of Four Staining Methods for Detection of Mast Cells in Equine Bronchoalveolar Lavage Fluid
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
Abstract Mast cells normally are present in equine bronchoalveolar lavage fluid (BALF), but usually represent <2% of all cells in healthy horses. An increased percentage of mast cells has been associated with airway hyperactivity and inflammatory airway diseases, but marked differences are reported between studies in normal and diseased horses. Because an abnormal mast cell count may be of clinical relevance, we compared the ability of a fast Romanowsky method to stain mast cell granules with that of 3 metachromatic stains: automated Romanowsky, May-Grünwald Giemsa, and toluidine blue stains. The BALF cells from 24 horses were studied. A differential cell count was performed blindly on 400 cells. The percentages of mast cells obtained were analyzed by means of repeated-measures analysis of variance and Fischer's PLSD test. The Bland and Altman method was used to assess agreement among stains. The mean percentage of mast cells in BALF was significantly lower with the fast Romanowsky than with the automated Romanowsky, May-Grünwald Giemsa, and toluidine blue stains. With the fast Romanowsky stain, the metachromatic granules of mast cells were not stained, and their identification was based on morphologic criteria. Toluidine blue staining allowed detection of the highest mean percentage of mast cells, but was inadequate for performing a differential cell count on other cell types. In conclusion, fast Romanosky stain may be inadequate for detection of mast cells in equine BALF, whereas automated Romanowsky, May-Grünwald Giemsa, and toluidine blue stains provide metachromatic staining of mast cell granules.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,000 | 0,001 |
| 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