Validation and implementation of an intraoperative parathyroid hormone assay and workflow: practical advice for endocrine surgery centres
Notice bibliographique
Résumé
Abstract Objectives Intraoperative PTH (IOPTH) can be challenging to offer through central laboratories despite its clinical benefit. We describe the implementation of a central laboratory-based IOPTH assay and workflow in a tertiary care centre. Methods The Elecsys ® PTH STAT assay was assessed in EDTA plasma on the Cobas ® e411 analyzer. Assay validation included precision, linearity, coefficient of variation (CV), accuracy, stability, and dilution. Samples were transported to the central laboratory and resulted via telephone to the operating room. We describe a case series of patients with primary hyperparathyroidism (PHPT) who underwent parathyroid surgery using our described IOPTH workflow. Results Within- and between-day CV was ≤3.0 % for quality control material that ranged from 2.2–44.6 pmol/L. Passing–Bablok regression yielded a slight proportional negative bias between the two Cobas e411 instruments [Elecsys ® PTH our centre=0.95 (95 % CI: 0.90–1.00) × Elecsys ® PTH Toronto − 0.05 (95 % CI: −0.20 to 0.09) (n=22)], but high correlation (r=0.99) as compared to PTH measured on the Vitros ® XT 7600 analyzer [Elecsys ® PTH=0.91 (95 % CI: 0.73–1.1) × Vitros ® PTH + 0.1 (95 % CI: −0.34 to 0.76), r=0.96 (n=40)]. The mean operating time across ten patients surgically cured for PHPT was 47.1 min (±9.1) and no patients required intraoperative frozen tissue analysis. Conclusions The Elecsys ® PTH STAT assay demonstrated acceptable analytical performance, and the described IOPTH workflow was implemented successfully via a collaborative hospital-wide initiative. We discuss our model to help guide other institutions in implementing and improving IOPTH workflows.
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 | 0,001 |
| 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 | 0,000 |
| 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 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 ».