Evaluation of pre-analytical factors impacting urine test strip and chemistry results
Notice bibliographique
Résumé
OBJECTIVES: Careful consideration of the pre-analytical process for urine examination is essential to avoid errors and support accurate results and decision-making. Our objective was to assess the impact of various pre-analytical factors on urine test strip and quantitative chemistry results, including stability, tube type, fill volume, and centrifugation. METHODS: Residual random urine specimens were identified. Stability of 10 urine test strips and 13 quantitative chemistry parameters were assessed at eight time points (2, 4, 6, 8, 24, 48, 72, and 96 h) at room temperature (RT) and 2-8 °C (n=10-20 samples). The effect of additional pre-analytical variables was assessed, including using preservative tubes for urine chemistry as well as preservative tube underfilling and centrifugation on urine test strip results (n=10 samples). RESULTS: Seven of the ten urine tests strips evaluated met the minimal agreement criteria for stability (Cohen's kappa >0.70) across all conditions. A Cohen's kappa value of <0.70 was observed for pH (48 h), glucose (72 h), and protein (96 h) at RT. All 13 urine chemistry analytes remained stable at defined time points and conditions. Underfilling preservative tubes for urine test strips and centrifugation demonstrated no significant effect. The impact of using preservative tubes for urine chemistry was negligible with the exception of sodium and osmolality. CONCLUSIONS: These findings highlight the pre-analytical factors that impact urine specimen evaluation and may be useful in informing clinical laboratory practices. Acceptable stability window for urine test strips should be considered in the context of the proportion of pathological samples evaluated.
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 | 0,004 | 0,023 |
| 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 | 0,001 |
| 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 ».