Approach to overcome the bilirubin interference in the estimation of serum creatinine by Jaffe’s method
Notice bibliographique
Résumé
Introduction: Bilirubin has negative interference on creatinine measurement by routinely used Jaffe’s Kinetic method. Hence this study was conducted to find out a possible solution to the problem of bilirubin interference. Simple chemical method has been validated for serum creatinine estimation which is free from bilirubin interference. The performance of this method has been compared with the high performing enzymatic method. Aim: To estimate the serum creatinine in samples having high bilirubin level. Materials and Methods: 60 serum samples with bilirubin value>2 mg/dl were included in the study. Samples were divided into 3 groups each containing 20 samples, based on the bilirubin value. Each group was divided into two subgroups of 10 samples each. Initially serum creatinine was estimated by both enzymatic method and Jaffe’s kinetic method. Later serum creatinine was measured once again in all the subgroups by both methods after the preincubation of sample with NaOH for 5 min and deproteinization with Trichloroacetic acid. The statistical analysis is done by t test. Results: There was a significant increase in the creatinine obtained by Jaffe’s method after deproteinization and preincubation of the sample when compared to the creatinine obtained by Jaffe’s method before preincubation and deproteinization. The creatinine estimated after the deproteinization and preincubation by Jaffe’s method are similar to the creatinine obtained by enzymatic method before deproteinization and preincubation. Conclusion: Preincubation and deproteinization are the two simple approaches which can rectify the problem of negative interference of the bilirubin in estimating creatinine by Jaffe’s method.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».