Von Willebrand Factor (VWF) multiplex activity assay differentiation of type 1 von Willebrand Disease (VWD) and variant VWD
Notice bibliographique
Résumé
INTRODUCTION: VWD diagnosis is challenging requiring multiple VWF activity tests using many individual assays. We have developed an ELISA-based VWF Multiplex Activity Assay (VWF-MAA) to address this concern; however, the ability of the VWF-MAA to discriminate between type 1 VWD, variant VWD, and normal subjects has not been evaluated. AIM: To evaluate the VWF-MAA and its ability to differentiate between type 1 VWD, variant VWD and normal subjects in individuals undergoing an initial laboratory evaluation for bleeding. METHODS: A total of 177 plasma samples from the Zimmerman Program: Comparative Effectiveness in the Diagnosis of VWD were evaluated from 11 centres across the US and Canada. The VWF-MAA was compared to Versiti Blood Research Institute (VBRI) and Local Center (LC) assigned VWD diagnosis. RESULTS: Overall, 129/177 (72.9%) were correctly assigned as normal (non-VWD), type 1, or variant VWD compared to the VBRI assigned diagnosis. VWF-MAA assigned non-VWD accurately in 29/57 (50.9%) samples, and type 1 VWD accurately in 93/110 (84.6%) samples. Considering LC diagnosis where there was agreement with VWF-MAA and not VBRI diagnosis, type 1 VWD was accurate in 105/110 (95.5%) samples. Bland-Altman analysis demonstrated good correlation between laboratory methods. VWD, types 2A, 2B, 1C VWD were also assigned by the VWF-MAA. CONCLUSIONS: We demonstrate that the VWF-MAA has utility in differentiating type 1 VWD, variant VWD and normal subjects in individuals undergoing an initial laboratory evaluation for bleeding.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».