Comparison of Different Sampling Methods on Viscoelastic Test Results Using a Point‐of‐Care Coagulation Monitor in Healthy Dogs
Notice bibliographique
Résumé
BACKGROUNDS: Studies investigating the influence of sampling methods on point-of-care viscoelastic test (VCM Vet) results are limited. OBJECTIVES: Investigating the impact of blood sampling methods on VCM Vet results in dogs, and determining if results are affected by hematological parameters, and blood sampling difficulty. METHODS: Two VCM assays were performed on 52 healthy dogs. Blood sample was first collected from a direct jugular venipuncture on all dogs to run a baseline VCM Vet assay, perform a CBC, and measure fibrinogen concentration. A second VCM Vet assay was performed one hour later with blood sampling methods randomized as follows: contralateral jugular using a vacutainer, direct stick in a saphenous vein, or blood sampling via a cephalic intravenous catheter. RESULTS: Reference intervals were established for each VCM Vet parameter with the first blood sample. The intra-class correlation (ICC) between sampling methods was poor (< 0.5). There was a weak positive correlation between hematocrit and CT (p < 0.042), a weak negative correlation between platelet count and CFT (p < 0.01), and a weak positive correlation between platelet count and alpha (p = 0.002), A10 (p < 0.001), A20 (p < 0.001), and MCF (p < 0.001). CONCLUSIONS: Sampling protocols influence VCM Vet results. Each sampling method is reliable but not correlated. Follow-up on a patient should be performed using the same sampling method and site. CBC results should be known before interpreting results.
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 | 0,001 | 0,005 |
| 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 ».