Custom R Flexdashboard for molecular genetic pathology quality tracking
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The practice of modern-day laboratory medicine entails extensive, daily practice of tracking various quality metrics of every molecular test to ensure quality maintenance, as well as for laboratory management. While various third-party tools are commercially available, they represent a significant investment for publicly funded institutions. To automate aspects of this quality management, we developed a custom dashboard, written using R. We used R Studio, a freely available software, and employed the Shiny and Flexdashboard packages to develop the code base for the dashboard. Data for the dashboard were pulled from multiple Excel tracking spreadsheets for different clinical assays. The current dashboard allows for dynamic, automated reporting of case volume, and turn-around time, which are regularly reported metrics to CancerCare Ontario for reimbursement purposes. Workload tracking is also made possible, automating calculations regularly performed for billing purposes. The dashboard summarizes various quality metrics for each assay in a single table, viewable by multiple personnel within a single network. Additional features such as filtering quality metrics by date and customization of a variety of plots were also included. Whereas other informatics solutions may be available, our custom solution represents a low-cost system that alleviates a significant workload from various members of the laboratory medicine department, easing the currently significant administrative burden from the “hands-on” staff. Future work will be focused on further improving the accessibility of the dashboard and the integration of additional molecular assays for quality monitoring.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 découle