Evaluation of a Point-of-Care N-Terminal Pro-Brain Natriuretic Peptide Assay for Heart Failure Management
Notice bibliographique
Résumé
Background: N-terminal pro-brain natriuretic peptide (NT-proBNP) is a key biomarker in heart failure (HF) diagnosis and management. This study aimed to evaluate performances of the LumiraDx® NT-proBNP, a point-of-care testing (POCT) device, focusing on imprecision, method comparison, and clinical practicability. Methods: The LumiraDx® NT-proBNP test was assessed for imprecision across two reagent lots and compared with a reference laboratory method (Cobas e601) using 81 plasma samples. Method concordance was analyzed using Bland-Altman and Passing-Bablok regression. A user satisfaction survey evaluated its practicality in a clinical setting. Results: For the first reagent lot, a coefficient of variation (CV) of 2.81% was observed, while for the second reagent lot, the CV was 5.4%. Method comparison revealed strong concordance with the reference method for NT-proBNP values < 1,000 ng/L. However, a significant bias was observed for values > 1,000 ng/L in the first lot, resolved in the second. User satisfaction surveys highlighted ease of use. Additionally, implementing the LumiraDx® NT-proBNP Platform resulted in a significant reduction in turnaround time, with an estimated 49 min saved in result reporting. Conclusion: The LumiraDx® NT-proBNP POCT device demonstrates strong potential for HF management by combining rapid results, user-friendly operation, and sampling versatility. While biases at higher NT-proBNP levels warrant further standardization, this system represents a practical tool for decentralized HF care.
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».