B-089 Establishing an in-house quality control program for nine autoantibody assays using donor sera
Notice bibliographique
Résumé
Abstract Background Evaluation of autoantibodies in patient sera is essential to inform clinical decision-making in the classification and management of autoimmune disease. Clinical laboratories performing semi-quantitative autoantibody testing face significant challenges in developing evidence-based quality management systems to assure performance. Careful consideration is required to evaluate assay imprecision, including quality control (QC) matrix, autoantibody titer targets, and performance goals. The objective of this study was to evaluate the performance of a novel patient-based QC solution relative to vendor-provided QC for nine autoantibodies over a four-year period at a tertiary pediatric care centre. Methods Internal QC data were extracted over a 4-year period for nine autoantibodies measured via chemiluminescent immunoassays (anti-double stranded DNA (dsDNA), anti-ribonuclear protein, anti-Ro52, anti-Ro60, anti-La, anti-Smith, anti-proteinase 3, anti-myeloperoxidase, and anti-tissue transglutaminase IgA). QC evaluated during study period included vendor-based QC and third-party patient-based QC. For patient-based QC, autoantibody-positive specimens (defibrinated plasma from single human donors) were acquired by our laboratory for in-house evaluation. Following pre-testing, one individual donor specimen was selected and diluted to the desired titer using pooled immunoglobulin depleted sera and stored at -80°C until testing. Lot-specific QC coefficients of variation (CV), titer means, and standard deviations were calculated and compared across QC matrices. Results Approximately 500 QC values per autoantibody were evaluated. Mean CV across lots ranged from 8.2 to 14.4% for negative vendor-based QC, 8.2-14.5% for positive vendor-based QC, and 9.8-17.8% for positive patient-based QC across evaluated autoantibodies. Anti-dsDNA and anti-Ro52 (demonstrated a statistically significant (p-value<0.001) difference between calculated CVs for vendor-based QC (anti-dsDNA: 8.2%, anti-Ro52: 9.8%) relative to patient-based QC (anti-dsDNA: 17.8%, anti-Ro52: 15.1%). Imprecision estimates for the other autoantibodies evaluated did not demonstrate significant differences between matrices. Conclusion This study evaluates the performance of a third-party patient-based QC solution relative to vendor-based QC using real-time clinical laboratory data for nine autoantibodies measured using chemiluminescent immunoassays. These data contribute to the limited literature on practical considerations for autoantibody QC and may serve as a benchmark tool to assess autoantibody imprecision across different matrices. Based on our findings, clinical laboratories may consider supplementing vendor-based QC with single patient donor QC materials, where available, to provide an independent performance assessment.
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 | 0,002 | 0,003 |
| 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 | 0,001 |
| 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 ».