MétaCan
Menu
← Retour à la cohorte
Enregistrement W7006742286

Variability of Replicates of Intraocular Inflammatory Biomarkers in Ocular Fluid Samples Analyzed with Multiplex Assays

2023· article· en· W7006742286 sur OpenAlexaboutno aff

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueGlaucoma and retinal disorders
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMultiplexIntraclass correlationReplicateBiomarkerAqueous humorBonferroni correction
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Daniel Lamoureux,1 David T Wong,2,3 Tina Felfeli2,4 1Northern Ontario School of Medicine University, Thunder Bay, ON, Canada; 2Department of Ophthalmology and Vision Sciences, University of Toronto, Toronto, ON, Canada; 3Department of Ophthalmology, St. Michael’s Hospital, Unity Health Toronto, Toronto, ON, Canada; 4The Institute of Health Policy, Management and Evaluation, University of Toronto, Toronto, ON, CanadaCorrespondence: Tina Felfeli, University Health Network, Toronto General Hospital, Eaton Building, 10th Floor, Toronto, ON M5G 2C4, Canada, Tel +1 647 678 1634, Fax +1 416 340 3459, Email tina.felfeli@mail.utoronto.caPurpose: Certain factors such as instrumental and sample processing errors may contribute to variability of ocular biofluid samples when they are run as replicates with multiplex assays. There is a paucity of literature on the variability of replicates in multiplex assays. This study aims to evaluate whether there is significant variability in replicate analyses of multiplex assays.Methods: A total of 152 human ocular biofluid samples (51 aqueous humor and 101 vitreous) were collected and assayed for 27 cytokine biomarker concentrations (pg/mL). Samples were evaluated as replicates (duplicate analysis) at four different time points. Statistical methods including paired samples t-test, 3-way ANOVA, intraclass correlation coefficient (ICC; < 0.5– 0.75=poor-moderate, 0.75-> 0.90 =good-excellent reliability), and coefficients of variation (CV) were employed to evaluate for statistical significance, with Bonferroni corrected P=0.002.Results: Among the 4104 biomarker replicate assays for aqueous humor and vitreous, two analytes (PDGF-BB and IL-7) had a statistically significant difference between the sampled concentrations of the replicates in vitreous samples (mean (diff)=2.05, P< 0.001, mean (diff)=1.56, P< 0.001, respectively). Majority of the ICC values fell within the good-excellent range (86% of samples) with a minority falling in the poor-moderate range (14% of samples). More variability was noted in the vitreous humour, with five analytes (IL-2, IL-10, IL-12(p70), IL-13, IL-17) demonstrating an average ICC of less than 0.5. The CV calculated for each set of replicates suggested that 93% of replicates had an acceptable level of quantitative assay variability (CV< 20%).Conclusion: This study demonstrates that the analysis of most biomarkers in ocular fluids may not require the use of replicates. However, certain analytes such as PDGF-BB and IL-7 may require the use of replicates to ensure reliable results. Caution should be taken when applying these findings to other laboratory settings as our study was conducted by an experienced technician using a standardized protocol. In less standardized settings, replicates may be required in order to ensure accuracy of results. These findings may guide researchers with the design of their studies on ophthalmic biomarker analysis.Keywords: cytokines, aqueous, vitreous, biomarkers, assay

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)0,022
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,117

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,026
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,129
Tête enseignante GPT0,487
Écart entre enseignants0,358 · 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'étudeExpérimental (laboratoire)
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)→Même sujetGlaucoma and retinal disorders→Travaux en français237 207→