Customized middleware experience in a tertiary care hospital hematology laboratory
Notice bibliographique
Résumé
Background: In the clinical laboratory, middleware is a software application that sits between the analyzer and the laboratory information system (LIS). One of the more common uses of middleware is to perform more efficient result autoverification than can be achieved by the LIS or analyzer alone. In addition to autoverification, middleware can support highly customized rules to handle samples and results from specific patient locations. The objective of this study was to review the impact of customized middleware rules that were designed and implemented in the hematology laboratory of a 1000-bed tertiary care adult academic center hospital. Methods: Three novel initiatives using middleware rules to achieve workflow efficiencies were retrospectively reviewed over different audit periods: preliminary neutrophil resulting for oncology patients, microcytosis interpretive comments, and 1 white blood cell differential (WBCD) reported per day. In addition, autoverification rates for complete blood count and differential (CBCD) and coagulation tests were calculated. Results: A preliminary neutrophil count was released from middleware on average 64 min before the final CBCD for Leukemia/Bone Marrow Transplant (L/BMT) outpatients, and on average 59 min earlier for oncology patients. Reflexing interpretive comments for select instances of microcytosis removed on average 500 slides per month from technologist review with an estimated cost savings of approximately $3383.33 CAD per month. The 1 WBCD per day rule resulted in a 5.1% cancelation rate, resulting in an estimated monthly cost savings of $943.46 CAD in reagents and technologist time. Finally, middleware rules achieved very high autoverification rates of 97.2% and 88.3% for CBC and CBCD results, respectively. Conclusions: Implementation of customized middleware hematology rules in our institution resulted in multiple positive impacts on workflow, achieving high autoverification rates, reduced slide reviews, cost savings, and improved standardization.
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 | 0,010 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».