Improving turn-around times in low-throughput distributed hematology laboratory settings with the CellaVision<sup>®</sup> DC-1 instrument
Notice bibliographique
Résumé
Abstract Objectives Digital pathology is becoming standard in the delivery of timely, high-quality clinical services, inclusive of morphological assessment in laboratory hematology. While many digital hematology systems are designed with high-throughput in mind, CellaVision® has recently developed a low-throughput instrument, the CellaVision® DC-1. The utility of the CellaVision® DC-1 was tested in a distributed laboratory system, with a focus on turn-around times (TATs). Methods We evaluated the TATs of a CellaVision® DC-1 workflow, with specimens originating in a small spoke-laboratory referring materials to a central hub-laboratory. Our spoke-laboratories perform on-site complete blood counts (CBC’s) and manual peripheral blood smears (PBS’s), with complex cases referred for review to the hub-laboratory. Baseline TATs were collected, followed by prospective evaluation of 21 cases analyzed using the CellaVision® DC-1, with digital review by spoke-laboratory staff in concert with remote review by hub-laboratory staff. The TATs for the same 21 cases by standard manual assessment were compared. Results Improvement in the distribution of TATs using the CellaVision® DC-1 was noted relative to the retrospective spoke-laboratory data (Mann–Whitney U=26, p<0.0001) and the parallel manual PBS review (Wilcoxon W=190, p<0.0001). The CellaVision® DC-1 permitted a significant reduction in case-assessment times (Wilcoxon W=105, p=0.0001). No significant diagnostic discrepancies were identified during the testing timeframe. Conclusions We describe a real-world assessment of the CellaVision® DC-1 analyzer in a distributed (hub-and-spoke) laboratory network, linking low-volume laboratories to high-throughput sites. Our evaluation highlights significant improvements in case TATs with a CellaVision® DC-1 assisted digital pathology workflow.
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 | 0,009 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».