Utilização de técnica rápida de aglutinação em látex para determinação semiquantitativa dos níveis séricos de proteína C reativa em cães
Bibliographic record
Abstract
A determinação dos níveis de proteína C reativa vem se tornando uma ferramenta bastante útil na clínica canina para a avaliação de variados tipos de quadros infecciosos e inflamatórios, porém a técnica correntemente utilizada é pouco acessível economicamente e comercialmente indisponível no Brasil. O presente estudo teve como objetivos testar uma técnica acessível e de fácil realização para a determinação clínica dos níveis séricos de proteína C reativa em cães. O soro originário de coleta sanguínea venosa de trinta cães em jejum de 12 horas, machos e fêmeas, clinicamente sadios, separados em grupo controle (n=15) e grupo obeso (n=15) foi submetido simultaneamente às duas técnicas para determinação dos níveis de proteína C reativa, considerando-se a de uso corrente (ELISA) o gold standard. A partir da aplicação de análise de variância (ANOVA) não paramétrica e teste de Wilcoxon, valores mais baixos de proteína C reativa foram observados para o grupo obeso, tanto através de ELISA (p < 0,001) quanto de aglutinação em látex (p < 0,01). Além disso, as técnicas mostraram uma correlação positiva significativa entre si (p < 0,001; R2 = 0,62). A aglutinação em látex mostrou ser um teste eficaz e clinicamente útil para a determinação semiquantitativa dos níveis de proteína C reativa na espécie canina.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".