MétaCan
Menu
Retour à la cohorte
Enregistrement W4406049127 · doi:10.1515/cclm-2024-1291

Behind the scenes of EQA – characteristics, capabilities, benefits and assets of external quality assessment (EQA): Part III – EQA samples

2025· review· en· W4406049127 sur OpenAlexaff
Christoph Buchta, Rachel Marrington, Barbara De la Salle, Stéphanie Albarède, Xavier Albe, Tony Badrick, Heidi Berghäll, David Bullock, Christa M. Cobbaert, Wim Coucke, Vincent Delatour, Wolf‐Jochen Geilenkeuser, Andrea Griesmacher, Gitte M. Henriksen, Jim F. Huggett, István Juhos, Martin Kammel, Peter B. Luppa, Piet Meijer, Jonna Pelanti, Paola Pezzati, Sverre Sandberg, Michael Spannagl, Marc Thelen, Annette Thomas, Heinz Zeichhardt, Veronica Restelli, Lucy A. Perrone

Notice bibliographique

RevueClinical Chemistry and Laboratory Medicine (CCLM) · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueClinical Laboratory Practices and Quality Control
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésExternal quality assessmentQuality assuranceMedical physicsMedicinePathology

Résumé

récupéré en direct d'OpenAlex

Providers of external quality assessment (EQA) programs evaluate data or information obtained and reported by participant laboratories using their routine procedures to examine properties or measurands in samples provided for this purpose. EQA samples must offer participants an equal chance to obtain accurate results, while being designed to provide results in clinically relevant ranges. It is the responsibility of the EQA provider to meet the necessary requirements for homogeneity, stability and some other properties of the EQA items in order to offer participants a fair, reliable and technically interesting EQA experience. Thus, the samples are at the heart and in the centre of EQA and its success depends on their quality. This manuscript describes the requirements for EQA samples and the activities of EQA providers to achieve them.

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)0,010
score de la tête « metaresearch » (Gemma)0,020
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,923
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,020
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0070,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,003
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
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 Opus0,194
Tête enseignante GPT0,485
Écart entre enseignants0,291 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations15
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Chemistry and Laboratory Medicine (CCLM)Même sujetClinical Laboratory Practices and Quality ControlTravaux en français237 207