MétaCan
Menu
Retour à la cohorte
Enregistrement W4403070989 · doi:10.1093/clinchem/hvae106.475

B-114 Reference interval (RI) estimation for TSH in adults using an indirect method with unsupervised machine learning tool and R programming language

2024· article· en· W4403070989 sur OpenAlexaboutno aff
Cláudio Alberto Gellis de Mattos Dias, Annelise Correa Wengerkievicz Lopes, Davide Canali, Luisane Maria Falci Vieira, B de Souza Santos, K. Müller, C Sabino

Notice bibliographique

RevueClinical Chemistry · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueBody Composition Measurement Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceInterval (graph theory)EstimationArtificial intelligenceUnsupervised learningMachine learningStatisticsNatural language processingMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Background Thyroid-stimulating hormone (TSH) plays a fundamental role in regulating thyroid hormones T3 (triiodothyronine) and T4 (thyroxine). Understanding TSH test results is essential for effective management of thyroid disorders and depends, among other factors, on establishing specific reference intervals (RI) for the population being served. We aimed to estimate the reference intervals for TSH in the adult population served by a large diagnostic network in Brazil. Methods We employed data mining followed by estimation using an indirect method through the LabRI™ algorithm with parametric, non-parametric, and robust statistical treatments for outlier exclusion, a series of algorithms programmed in R Language. Included were TSH values from outpatients, aged 20 to 60 years, both sexes, from two analytical platforms. Used as a comparative RI recommended by the American Thyroid Association (ATA, 2014). Data were extracted from the Data Lake, from January to December 2022, from two laboratories in Brazil. Exclusion criteria: samples from hospital sources and referral laboratories; pregnant; some laboratory tests correlated with de TSH test; samples from patients using thyroid hormone and medications that may interfere with hormonal function and TSH laboratory analysis. Results After exclusion criteria, the sample totaled 26,909 adults of both sexes. After excluding 2.24% outliers, the estimated RI was 0.67-4.26 mIU/L, with the comparative RI chosen for this study being the one recommended by ATA of 0.40-4.00 mIU/L. The RI obtained in our study was similar to the Canadian RI harmonization study for TSH (0.60-4.48 mIU/L). Conclusions We estimated the RI, harmonized between Roche and Siemens platforms, to be 0.67-4.26 mIU/L. The RI obtained by the LabRI™ tool is equivalent to the Adeli study (2023) and is under discussion by the company's endocrinology committee for whether to use the estimated RI from our internal study or the one recommended by ATA (2014) in reports.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,857
Score d'incertitude au seuil0,459

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,092
Tête enseignante GPT0,435
Écart entre enseignants0,343 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical ChemistryMême sujetBody Composition Measurement TechniquesTravaux en français237 207