MétaCan
Menu
Retour à la cohorte
Enregistrement W4414741120 · doi:10.1093/clinchem/hvaf086.174

A-180 Counting CAP deficiency Caused by Clerical errors: a regional study

2025· article· en· W4414741120 sur OpenAlexaffabout
Peter Xu, Fang‐Xiang Wu, Cody W. Lewis

Notice bibliographique

RevueClinical Chemistry · 2025
Typearticle
Langueen
DomaineMedicine
ThématiquePeptidase Inhibition and Analysis
Établissements canadiensSaskatchewan HealthSaskatchewan Health Authority
Organismes subventionnairesnon disponible
Mots-clésAccreditationQuality assuranceMedical laboratoryGood laboratory practiceQuality (philosophy)Quality management

Résumé

récupéré en direct d'OpenAlex

Abstract Background Proficiency testing (PT) is a critical component of quality assurance and a laboratory accreditation requirement. PT ensures that laboratory results are comparable to those of peers using the same instruments and methods. Failures may indicate inaccurate patient results, requiring formal investigation and corrective action by the testing laboratory. Depending on the accreditation body, consecutive PT deficiencies can lead to mandatory cessation of testing. Clerical errors are among the most common causes of unacceptable PT grades. While many laboratory instruments directly communicate with the laboratory information system for electronic result transfer, PT result reporting often involves manual transcription. This study aims to determine the frequency of clerical errors associated with unacceptable PT grades and to implement quality improvement strategies where necessary. Methods All PT results submitted to the College of American Pathologists (CAP) between January 2020 and September 2024 (57 months) were reviewed for three chemistry laboratories (designated as A, B, and C) in Saskatoon, Saskatchewan, Canada. The number of unacceptable CAP submissions was tabulated and compared across the three laboratories. Clerical errors contributing to unacceptable submissions were classified into three subcategories: direct transcription errors, incorrect method codes, and incorrect instrument codes. Chi-squared analysis was performed to assess statistical significance. The CAP PT reporting process in the core chemistry laboratory was reviewed through discussions with senior technologists responsible for result submission. Results A total of 32,868 results were submitted to CAP during the study period: Laboratory A (16,456), Laboratory B (2,688), and Laboratory C (13,724). The overall percentage of unacceptable CAP submissions was 0.83% (273/32,868). Of these, 44% (120/273) were attributed to clerical errors, including direct transcription errors (43/120), incorrect method codes (49/120), and incorrect instrument codes (27/120). Laboratory A had a significantly lower percentage of clerical errors [0.18% (30/16,456)] compared to Laboratory B [0.56% (15/2,688)] and Laboratory C [0.55% (75/13,724)] (p < 0.001, Chi-squared = 30, df = 2). No significant difference was observed between Laboratories B and C. A process review revealed that Laboratory A was the only site utilizing a secondary verification step, where a second technologist reviewed PT results before submission. Conclusion Clerical errors are a major contributor to CAP deficiencies. Laboratory A, which implements a secondary verification process for manually entered PT results, had significantly fewer clerical errors. This practice aligns with established procedures for manual patient result entry. Consequently, Laboratories B and C have now adopted a similar verification process. Follow-up studies will evaluate whether this intervention reduces clerical errors.

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)0,006
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,083
Score d'incertitude au seuil0,164

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,051
Tête enseignante GPT0,396
Écart entre enseignants0,345 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical ChemistryMême sujetPeptidase Inhibition and AnalysisTravaux en français237 207