MétaCan
Menu
Retour à la cohorte
Enregistrement W4388463657 · doi:10.1515/labmed-2023-0073

Improving turn-around times in low-throughput distributed hematology laboratory settings with the CellaVision<sup>®</sup> DC-1 instrument

2023· article· en· W4388463657 sur OpenAlexafffund
Cheri Mayes, Tracey Gwilliam, Etienne Mahé

Notice bibliographique

RevueJournal of Laboratory Medicine · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical Laboratory Practices and Quality Control
Établissements canadiensUniversity of Calgary
Organismes subventionnairesAlberta Precision LaboratoriesCalgary Laboratory Services
Mots-clésHematology analyzerWorkflowMedical physicsTurnaround timeMedicineWilcoxon signed-rank testThroughputQuality assuranceMedical laboratoryExternal quality assessmentNuclear medicineInternal medicineComputer sciencePathologyMann–Whitney U testTelecommunicationsOperating system

Résumé

récupéré en direct d'OpenAlex

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&lt;0.0001) and the parallel manual PBS review (Wilcoxon W=190, p&lt;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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,254
Score d'incertitude au seuil0,955

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,322
Écart entre enseignants0,301 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Laboratory MedicineMême sujetClinical Laboratory Practices and Quality ControlTravaux en français237 207