MétaCan
Menu
Retour à la cohorte
Enregistrement W4414169467 · doi:10.1002/cyto.b.22253

Ad hoc antibody modification of a validated flow cytometric immunophenotyping panel—recommendations and safeguards for clinical laboratories

2025· article· en· W4414169467 sur OpenAlexaff
Christopher J. Groves, Michael A. Linden, Ahmad Al‐Attar, Michael J. Borowitz, Christoph Eberle, Marci O’Driscoll, Eleni Linskens, Jolene Cardinali, Thomas C. Beadnell, Wendy Shallenberger, Xiangyang Dong, Robert J. Durso, Sara A. Monaghan, Benjamin D. Hedley

Notice bibliographique

RevueCytometry Part B Clinical Cytometry · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSingle-cell and spatial transcriptomics
Établissements canadiensLondon Health Sciences Centre
Organismes subventionnairesnon disponible
Mots-clésImmunophenotypingDocumentationProtocol (science)TroubleshootingFlow cytometryAntibodyStandard operating procedure

Résumé

récupéré en direct d'OpenAlex

Immunophenotyping by flow cytometry is a valuable test providing important information in a timely manner. In clinical laboratories, it is performed using validated antibody panels designed to ensure consistent and accurate results. However, unforeseen situations, such as unique or unusual immunophenotypes, or supply chain issues, may necessitate ad hoc modifications to these panels. This manuscript provides guidance for performing minor modifications, such as substituting or adding one or two antibodies, while maintaining the integrity of the assay. These modifications are intended for rare clinical situations and are not substitutes for the full validation protocols outlined in CLSI H62. An example of this would be a patient with a rare, but not uncommon, situation in which a B cell lymphoma lacks expression of CD19, CD20, and surface light chains, such that the lineage of the neoplastic cells cannot be determined without a straightforward addition or substitution of another marker into a laboratory's available panel. The recommendations and best practices herein aim to optimize patient care by allowing laboratories to adapt to unique clinical scenarios without compromising assay performance and are not a way to permanently modify the assay. Key considerations include assessing the impact on fluorescence compensation, antibody binding, assay sensitivity, and overall assay performance. The manuscript provides limitations for the extent of modifications, examples, and troubleshooting strategies to ensure reliable results when ad hoc changes are made. Proper documentation with review and approval by laboratory medical directors is recommended to mitigate risks associated with these modifications.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,109
score de la tête « metaresearch » (Gemma)0,197
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,109
Score d'incertitude au seuil0,574

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1090,197
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,005
Communication savante0,0060,005
Science ouverte0,0070,003
Intégrité de la recherche0,0100,008
Charge utile insuffisante (le modèle a refusé de juger)0,0080,022

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 Opus0,115
Tête enseignante GPT0,443
Écart entre enseignants0,328 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCytometry Part B Clinical CytometryMême sujetSingle-cell and spatial transcriptomicsTravaux en français237 207