Harmonization of four biomarkers across nine nationally representative studies of older persons
Notice bibliographique
Résumé
INTRODUCTION: A growing number of international population surveys have included measurement of biomarkers, but differ in the type of specimens collected, sample processing procedures, shipment protocols, and laboratory assay platforms. The purpose of this study is to harmonize biomarker data from nine nationally representative studies of people 50 years of age and over by adjusting for assay platforms and type of specimens for total cholesterol (total-C), high-density lipoprotein cholesterol (HDL-C), glycosylated hemoglobin (HbA1c), and C-reactive protein (CRP). METHODS: Sets of 24 identical serum, plasma, whole blood, and dried blood spot harmonization samples with known analyte levels were generated at a reference laboratory, shipped at -80°C to the respective study laboratories, and subsequently assayed following the study laboratory's protocol. Both original and harmonized study data were used to calculate mean values and at-risk prevalence. RESULTS: The correlation coefficients between the biomarker values of the harmonization samples obtained by the study laboratories and the reference laboratory were 0.99 or above for all analytes and laboratories, indicating the high quality of assays at all laboratories. However, using the harmonized data from each study, there were significant differences in the mean values and country ranking of the prevalence of at-risk levels of these four biomarkers. CONCLUSIONS: While the biomarker data from the different study laboratories were highly correlated, indicating very high correlation of rank order of specimens, absolute values did vary significantly. This can have a major impact on assessment of international differences in estimates of risks for chronic morbidity and mortality.
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 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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».