Validation and generation of age-specific reference intervals for a new blood neurofilament light chain assay
Notice bibliographique
Résumé
BACKGROUND: Neurofilament light chain (NfL) is the first blood biomarker for multiple sclerosis (MS) with utility for prognosis and disease monitoring. The Simoa NF-light is a research-based assay and is the most highly cited NfL method available, however development of assays specifically designed for routine clinical laboratories are necessary for clinical adoption. The Roche Elecsys NfL assay was developed specifically for routine laboratory use. METHODS: Specimens from 718 MS patients, paired serum-plasma and plasma-CSF specimens were used to compare the Simoa and Elecsys assays. Elecsys NfL precision, linearity, parallelism, limit-of-quantitation and interferences were assessed. RESULTS: Elecsys precision ranged from 1.8 % to 7.3 % coefficient of variation. Serum samples showed a high correlation (Pearson's r = 0.991) with a mean bias of -85.1 % compared to Simoa. Plasma-CSF correlations were high (Pearson's r = 0.993), with CSF values 54.8-fold higher than plasma. Age-specific 97.5th percentile reference limits were generated by transforming Elecsys to Simoa NfL values. The previously developed Simoa NfL reference app was extended to the Elecsys platform using the transformed Simoa reference values to provide age and BMI-adjusted Z scores and percentiles. CONCLUSIONS: The Elecsys NfL assay demonstrated precision and accuracy acceptable for use in clinical laboratories. The Elecsys assay generates NfL concentrations numerically lower than Simoa, however the results are highly correlated, requiring the need for Elecsys-specific reference values.
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 | 0,002 |
| 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 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 ».