Kuivaveren valkoisuus ja kliiniset verimuuttujat

Tutkimuksen tarkoituksena oli selvittää kuivaverianalyysin yhteyksiä kliinisiin verimuuttujiin, erityisesti laskoon. Lisäksi menetelmän luotettavuutta arvioitiin vertailemalla samalta koehenkilöltä kerättyjä A- ja B-näytteitä. Kuivaverianalyysissä sormenpääverinäytteestä kerätään näytelasille use...

Täydet tiedot

Bibliografiset tiedot
Päätekijä: Kimmo, Aarni
Muut tekijät: Liikuntatieteellinen tiedekunta, Faculty of Sport and Health Sciences, Liikuntabiologian laitos, Department of Biology of Physical Activity, University of Jyväskylä, Jyväskylän yliopisto
Aineistotyyppi: Pro gradu
Kieli:fin
Julkaistu: 2014
Aiheet:
Linkit: https://jyx.jyu.fi/handle/123456789/44804
_version_ 1826225785202016256
author Kimmo, Aarni
author2 Liikuntatieteellinen tiedekunta Faculty of Sport and Health Sciences Liikuntabiologian laitos Department of Biology of Physical Activity University of Jyväskylä Jyväskylän yliopisto
author_facet Kimmo, Aarni Liikuntatieteellinen tiedekunta Faculty of Sport and Health Sciences Liikuntabiologian laitos Department of Biology of Physical Activity University of Jyväskylä Jyväskylän yliopisto Kimmo, Aarni Liikuntatieteellinen tiedekunta Faculty of Sport and Health Sciences Liikuntabiologian laitos Department of Biology of Physical Activity University of Jyväskylä Jyväskylän yliopisto
author_sort Kimmo, Aarni
datasource_str_mv jyx
description Tutkimuksen tarkoituksena oli selvittää kuivaverianalyysin yhteyksiä kliinisiin verimuuttujiin, erityisesti laskoon. Lisäksi menetelmän luotettavuutta arvioitiin vertailemalla samalta koehenkilöltä kerättyjä A- ja B-näytteitä. Kuivaverianalyysissä sormenpääverinäytteestä kerätään näytelasille useita veripisaroita, joiden annetaan kuivua. Pisaroiden kuivuessa niihin muodostuu digitoiduissa näytteissä valkoisina erottuvia alueita. Droppi Veripalvelun Oy:n vuonna 2012 kehittämät algoritmit laskevat valkoisten alueiden prosentuaalisen osuuden näytteissä. Goldbergerin (1939) tutkimuksen perusteella laskon ja kuivaveren valkoisuuden välillä on yhteys. Kirjallisuuden perusteella on oletettavissa, että fibrinogeenillä, albumiinilla ja immunoglobuliineilla on yhteys laskoon, joten myös näitä muuttujia valittiin tarkasteluun. Tutkimusjoukko koostui 50 vapaaehtoisesta (24 miestä ja 26 naista), joiden ikä vaihteli 22–99 vuoden välillä. Koehenkilöiltä kerättiin yhden tutkimuskäynnin aikana laskimoverinäyte neljään koeputkeen ja sormenpääverinäyte. Sormenpääverinäyte kerättiin näytelasille ja sen annettiin kuivaa, minkä jälkeen näyte digitoitiin ja se ladattiin Dropperkuivaveripalvelun pilvipalvelimelle anonyyminä valkoisuusprosentin määrittämistä varten. Laskimoverinäytteistä määritettiin kliiniset verimuuttujat. Tutkimuksessa kerättyjen A- ja B-näytteiden välinen tyypillinen virhe valkoisuusprosentissa oli 2,21 mittayksikköä. Näytesarjojen välinen korrelaatio oli 0,729 merkitsevyystasolla p ≤ 0,001. Kuivaveren valkoisuuden ja laskon välinen korrelaatio oli 0,470 merkitsevyystasolla p ≤ 0,001. Valkoisuuden ja laskon yhteyttä kuvaavan polynomisen mallin selitysasteeksi tuli 83,3 %. Yhteyden kuvaamiseksi sovitettiin myös kaksivaiheinen lineaarinen malli. Kuivaveren valkoisuuden havaittiin korreloivan fibrinogeenin (P-FIBR), neutrofiilien määrän (NEUT#), valkosolujen määrän, immunoglobuliini A:n (S-IgA) ja hemoglobiinin (HGB) sekä punasolujen kokojakauman (RDW_CV) ja herkän CRP:n kanssa. Tulosten pohjalta rakennettiin valkoisuuden määrää kuvaava malli: KV% = 0,285*NEUT# + 0,179*P-FIBR + 0,163*RDW_CV + 0,096*S-IgA – 0,103*HGB, jonka selitysasteeksi tuli 54,3 %. Tutkimustulokset vahvistavat Goldbergerin (1939) saamat tulokset siitä, että kuivaveren valkoisuuden määrän ja laskon välillä on yhteys. Lisäksi tutkimuksen tulokset viittaavat siihen, että kuivaveren valkoisuusprosentti on tulehdusmarkkeri. Menetelmän toistettavuus vaikuttaa riittävältä, jotta sitä voidaan käyttää valkoisuusprosentin vaihtelun mittaamiseen. The purpose of the study was to determine if there are associations between dry blood analysis and clinical blood variables, in particular, the erythrocyte sedimentation rate. Reliability of the method was assessed by comparing A- and B-samples collected from the same subject. In the dry blood analysis multiple blood drops are collected on a glass slide and they are allowed to dry. As the dried blood samples are digitized, some areas in the samples appear white in colour. Algorithms developed by Droppi Veripalvelu Oy in 2012 calculate the percentage of white areas in the samples. According to a study made by Goldberger (1939), there is an association between the erythrocyte sedimentation rate and the white areas in the dry blood samples. Based on literature, fibrinogen, albumin and immunoglobulins may be associated with the erythrocyte sedimentation rate, thus they were also examined. The study group consisted of 50 volunteers (24 men and 26 women), aged between 22 and 99. During one laboratory visit, venous blood samples were collected into four vials for analysis of clinical blood variables. A dry blood test was taken from a finger prick collection and was allowed to dry. Once dry, the sample was digitized and downloaded on the Dropper-kuivaveripalvelu cloud server for the determination of the percentage of white areas. Typical error between the A- and B-samples collected in the study was 2.21 measurement units. The correlation between A- and B-samples was 0.729 at a significance level of p ≤ 0.001. The correlation between the percentage of white areas and the erythrocyte sedimentation rate was 0.470 at a significance level of p ≤ 0.001. The coefficient of determination for a polynomial model of the percentage of white areas and erythrocyte sedimentation rate was 83.3 %. A bi-phase model was also utilized to describe the connection between white areas and erythrocyte sedimentation rate. The percentage of white areas in the dry blood samples correlates with the amount of fibrinogen (P-FIBR), number of neutrophils (NEUT#), number of white blood cells, immunoglobulin A (S-IgA) and haemoglobin (HGB) as well as red blood cell distribution width (RDW_CV) and high sensitivity CRP. A model to describe the whiteness of dry blood samples was created: KV% = 0.285*NEUT# + 0.179*P-FIBR + 0.163*RDW_CV + 0.096*S-IgA – 0.103*HGB. The coefficient of determination for the model was 54.3 %. The results confirm Goldberger’s (1939) original discovery that there is a connection between the amount of white areas in dry blood samples and the erythrocyte sedimentation rate. The results also point out that the percentage of white areas in dry blood samples is likely to be an inflammation marker. The method used seems to be reliable enough to be used to determine changes in the whiteness of dry blood samples.
first_indexed 2024-09-11T08:52:23Z
format Pro gradu
free_online_boolean 1
fullrecord [{"key": "dc.contributor.advisor", "value": "Juutinen, Taija", "language": "", "element": "contributor", "qualifier": "advisor", "schema": "dc"}, {"key": "dc.contributor.author", "value": "Kimmo, Aarni", "language": null, "element": "contributor", "qualifier": "author", "schema": "dc"}, {"key": "dc.date.accessioned", "value": "2014-12-03T12:07:52Z", "language": "", "element": "date", "qualifier": "accessioned", "schema": "dc"}, {"key": "dc.date.available", "value": "2014-12-03T12:07:52Z", "language": "", "element": "date", "qualifier": "available", "schema": "dc"}, {"key": "dc.date.issued", "value": "2014", "language": null, "element": "date", "qualifier": "issued", "schema": "dc"}, {"key": "dc.identifier.other", "value": "oai:jykdok.linneanet.fi:1453126", "language": null, "element": "identifier", "qualifier": "other", "schema": "dc"}, {"key": "dc.identifier.uri", "value": "https://jyx.jyu.fi/handle/123456789/44804", "language": "", "element": "identifier", "qualifier": "uri", "schema": "dc"}, {"key": "dc.description.abstract", "value": "Tutkimuksen tarkoituksena oli selvitt\u00e4\u00e4 kuivaverianalyysin yhteyksi\u00e4 kliinisiin verimuuttujiin,\r\nerityisesti laskoon. Lis\u00e4ksi menetelm\u00e4n luotettavuutta arvioitiin vertailemalla samalta\r\nkoehenkil\u00f6lt\u00e4 ker\u00e4ttyj\u00e4 A- ja B-n\u00e4ytteit\u00e4. Kuivaverianalyysiss\u00e4 sormenp\u00e4\u00e4verin\u00e4ytteest\u00e4\r\nker\u00e4t\u00e4\u00e4n n\u00e4ytelasille useita veripisaroita, joiden annetaan kuivua. Pisaroiden kuivuessa niihin\r\nmuodostuu digitoiduissa n\u00e4ytteiss\u00e4 valkoisina erottuvia alueita. Droppi Veripalvelun\r\nOy:n vuonna 2012 kehitt\u00e4m\u00e4t algoritmit laskevat valkoisten alueiden prosentuaalisen osuuden\r\nn\u00e4ytteiss\u00e4. Goldbergerin (1939) tutkimuksen perusteella laskon ja kuivaveren valkoisuuden\r\nv\u00e4lill\u00e4 on yhteys. Kirjallisuuden perusteella on oletettavissa, ett\u00e4 fibrinogeenill\u00e4,\r\nalbumiinilla ja immunoglobuliineilla on yhteys laskoon, joten my\u00f6s n\u00e4it\u00e4 muuttujia valittiin\r\ntarkasteluun.\r\nTutkimusjoukko koostui 50 vapaaehtoisesta (24 miest\u00e4 ja 26 naista), joiden ik\u00e4\r\nvaihteli 22\u201399 vuoden v\u00e4lill\u00e4. Koehenkil\u00f6ilt\u00e4 ker\u00e4ttiin yhden tutkimusk\u00e4ynnin aikana laskimoverin\u00e4yte\r\nnelj\u00e4\u00e4n koeputkeen ja sormenp\u00e4\u00e4verin\u00e4yte. Sormenp\u00e4\u00e4verin\u00e4yte ker\u00e4ttiin\r\nn\u00e4ytelasille ja sen annettiin kuivaa, mink\u00e4 j\u00e4lkeen n\u00e4yte digitoitiin ja se ladattiin Dropperkuivaveripalvelun\r\npilvipalvelimelle anonyymin\u00e4 valkoisuusprosentin m\u00e4\u00e4ritt\u00e4mist\u00e4 varten.\r\nLaskimoverin\u00e4ytteist\u00e4 m\u00e4\u00e4ritettiin kliiniset verimuuttujat.\r\nTutkimuksessa ker\u00e4ttyjen A- ja B-n\u00e4ytteiden v\u00e4linen tyypillinen virhe valkoisuusprosentissa\r\noli 2,21 mittayksikk\u00f6\u00e4. N\u00e4ytesarjojen v\u00e4linen korrelaatio oli 0,729 merkitsevyystasolla\r\np \u2264 0,001. Kuivaveren valkoisuuden ja laskon v\u00e4linen korrelaatio oli 0,470\r\nmerkitsevyystasolla p \u2264 0,001. Valkoisuuden ja laskon yhteytt\u00e4 kuvaavan polynomisen\r\nmallin selitysasteeksi tuli 83,3 %. Yhteyden kuvaamiseksi sovitettiin my\u00f6s kaksivaiheinen\r\nlineaarinen malli. Kuivaveren valkoisuuden havaittiin korreloivan fibrinogeenin (P-FIBR),\r\nneutrofiilien m\u00e4\u00e4r\u00e4n (NEUT#), valkosolujen m\u00e4\u00e4r\u00e4n, immunoglobuliini A:n (S-IgA) ja hemoglobiinin\r\n(HGB) sek\u00e4 punasolujen kokojakauman (RDW_CV) ja herk\u00e4n CRP:n kanssa.\r\nTulosten pohjalta rakennettiin valkoisuuden m\u00e4\u00e4r\u00e4\u00e4 kuvaava malli: KV% = 0,285*NEUT#\r\n+ 0,179*P-FIBR + 0,163*RDW_CV + 0,096*S-IgA \u2013 0,103*HGB, jonka selitysasteeksi\r\ntuli 54,3 %.\r\nTutkimustulokset vahvistavat Goldbergerin (1939) saamat tulokset siit\u00e4, ett\u00e4 kuivaveren\r\nvalkoisuuden m\u00e4\u00e4r\u00e4n ja laskon v\u00e4lill\u00e4 on yhteys. Lis\u00e4ksi tutkimuksen tulokset viittaavat\r\nsiihen, ett\u00e4 kuivaveren valkoisuusprosentti on tulehdusmarkkeri. Menetelm\u00e4n toistettavuus\r\nvaikuttaa riitt\u00e4v\u00e4lt\u00e4, jotta sit\u00e4 voidaan k\u00e4ytt\u00e4\u00e4 valkoisuusprosentin vaihtelun mittaamiseen.", "language": "", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.abstract", "value": "The purpose of the study was to determine if there are associations between dry blood analysis\r\nand clinical blood variables, in particular, the erythrocyte sedimentation rate. Reliability\r\nof the method was assessed by comparing A- and B-samples collected from the same\r\nsubject. In the dry blood analysis multiple blood drops are collected on a glass slide and\r\nthey are allowed to dry. As the dried blood samples are digitized, some areas in the samples\r\nappear white in colour. Algorithms developed by Droppi Veripalvelu Oy in 2012 calculate\r\nthe percentage of white areas in the samples. According to a study made by Goldberger\r\n(1939), there is an association between the erythrocyte sedimentation rate and the white\r\nareas in the dry blood samples. Based on literature, fibrinogen, albumin and immunoglobulins\r\nmay be associated with the erythrocyte sedimentation rate, thus they were also examined.\r\nThe study group consisted of 50 volunteers (24 men and 26 women), aged between\r\n22 and 99. During one laboratory visit, venous blood samples were collected into four vials\r\nfor analysis of clinical blood variables. A dry blood test was taken from a finger prick collection\r\nand was allowed to dry. Once dry, the sample was digitized and downloaded on the\r\nDropper-kuivaveripalvelu cloud server for the determination of the percentage of white\r\nareas. Typical error between the A- and B-samples collected in the study was 2.21 measurement\r\nunits. The correlation between A- and B-samples was 0.729 at a significance level\r\nof p \u2264 0.001. The correlation between the percentage of white areas and the erythrocyte\r\nsedimentation rate was 0.470 at a significance level of p \u2264 0.001. The coefficient of determination\r\nfor a polynomial model of the percentage of white areas and erythrocyte sedimentation\r\nrate was 83.3 %. A bi-phase model was also utilized to describe the connection between\r\nwhite areas and erythrocyte sedimentation rate. The percentage of white areas in the\r\ndry blood samples correlates with the amount of fibrinogen (P-FIBR), number of neutrophils\r\n(NEUT#), number of white blood cells, immunoglobulin A (S-IgA) and haemoglobin\r\n(HGB) as well as red blood cell distribution width (RDW_CV) and high sensitivity CRP. A\r\nmodel to describe the whiteness of dry blood samples was created: KV% = 0.285*NEUT# +\r\n0.179*P-FIBR + 0.163*RDW_CV + 0.096*S-IgA \u2013 0.103*HGB. The coefficient of determination\r\nfor the model was 54.3 %.\r\nThe results confirm Goldberger\u2019s (1939) original discovery that there is a connection\r\nbetween the amount of white areas in dry blood samples and the erythrocyte sedimentation\r\nrate. The results also point out that the percentage of white areas in dry blood samples\r\nis likely to be an inflammation marker. The method used seems to be reliable enough\r\nto be used to determine changes in the whiteness of dry blood samples.", "language": "en", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Submitted using Plone Publishing form by Aarni Kimmo (aakimmo) on 2014-12-03 12:07:51.609603. Form: Pro gradu -lomake (https://kirjasto.jyu.fi/julkaisut/julkaisulomakkeet/pro-gradu-lomake). JyX data: [jyx_publishing-allowed (fi) =True]", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Submitted by jyx lomake-julkaisija (jyx-julkaisija@noreply.fi) on 2014-12-03T12:07:52Z\r\nNo. of bitstreams: 2\r\nURN:NBN:fi:jyu-201412033421.pdf: 1866839 bytes, checksum: 900a529f46608c0f566f88630bf593be (MD5)\r\nlicense.html: 4800 bytes, checksum: 874fb7372aa3a5a454708d6cb9417809 (MD5)", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Made available in DSpace on 2014-12-03T12:07:52Z (GMT). No. of bitstreams: 2\r\nURN:NBN:fi:jyu-201412033421.pdf: 1866839 bytes, checksum: 900a529f46608c0f566f88630bf593be (MD5)\r\nlicense.html: 4800 bytes, checksum: 874fb7372aa3a5a454708d6cb9417809 (MD5)\r\n Previous issue date: 2014", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.format.extent", "value": "1 verkkoaineisto (79 sivua)", "language": null, "element": "format", "qualifier": "extent", "schema": "dc"}, {"key": "dc.format.mimetype", "value": "application/pdf", "language": null, "element": "format", "qualifier": "mimetype", "schema": "dc"}, {"key": "dc.language.iso", "value": "fin", "language": null, "element": "language", "qualifier": "iso", "schema": "dc"}, {"key": "dc.rights", "value": "In Copyright", "language": "en", "element": "rights", "qualifier": null, "schema": "dc"}, {"key": "dc.subject.other", "value": "immunoglobuliini", "language": null, "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "fibrinogeeni", "language": null, "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.title", "value": "Kuivaveren valkoisuus ja kliiniset verimuuttujat", "language": null, "element": "title", "qualifier": null, "schema": "dc"}, {"key": "dc.type", "value": "master thesis", "language": null, "element": "type", "qualifier": null, "schema": "dc"}, {"key": "dc.identifier.urn", "value": "URN:NBN:fi:jyu-201412033421", "language": null, "element": "identifier", "qualifier": "urn", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Pro gradu -tutkielma", "language": "fi", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Master\u2019s thesis", "language": "en", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Liikuntatieteellinen tiedekunta", "language": "fi", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Faculty of Sport and Health Sciences", "language": "en", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Liikuntabiologian laitos", "language": "fi", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Department of Biology of Physical Activity", "language": "en", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "University of Jyv\u00e4skyl\u00e4", "language": "en", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "Jyv\u00e4skyl\u00e4n yliopisto", "language": "fi", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Liikuntafysiologia", "language": "fi", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Exercise Physiology", "language": "en", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "dc.date.updated", "value": "2014-12-03T12:07:53Z", "language": "", "element": "date", "qualifier": "updated", "schema": "dc"}, {"key": "yvv.contractresearch.collaborator", "value": "business", "language": "", "element": "contractresearch", "qualifier": "collaborator", "schema": "yvv"}, {"key": "yvv.contractresearch.funding", "value": "3348", "language": "", "element": "contractresearch", "qualifier": "funding", "schema": "yvv"}, {"key": "yvv.contractresearch.initiative", "value": "order", "language": "", "element": "contractresearch", "qualifier": "initiative", "schema": "yvv"}, {"key": "dc.type.coar", "value": "http://purl.org/coar/resource_type/c_bdcc", "language": null, "element": "type", "qualifier": "coar", "schema": "dc"}, {"key": "dc.rights.accesslevel", "value": "openAccess", "language": "fi", "element": "rights", "qualifier": "accesslevel", "schema": "dc"}, {"key": "dc.type.publication", "value": "masterThesis", "language": null, "element": "type", "qualifier": "publication", "schema": "dc"}, {"key": "dc.subject.oppiainekoodi", "value": "5011", "language": null, "element": "subject", "qualifier": "oppiainekoodi", "schema": "dc"}, {"key": "dc.subject.yso", "value": "veri", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "verisolut", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "veriplasma", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "albumiinit", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.format.content", "value": "fulltext", "language": null, "element": "format", "qualifier": "content", "schema": "dc"}, {"key": "dc.rights.url", "value": "https://rightsstatements.org/page/InC/1.0/", "language": null, "element": "rights", "qualifier": "url", "schema": "dc"}, {"key": "dc.type.okm", "value": "G2", "language": null, "element": "type", "qualifier": "okm", "schema": "dc"}]
id jyx.123456789_44804
language fin
last_indexed 2025-02-18T10:56:48Z
main_date 2014-01-01T00:00:00Z
main_date_str 2014
online_boolean 1
online_urls_str_mv {"url":"https:\/\/jyx.jyu.fi\/bitstreams\/9f3ed382-3727-43f8-ae41-ad2ccc35f98a\/download","text":"URN:NBN:fi:jyu-201412033421.pdf","source":"jyx","mediaType":"application\/pdf"}
publishDate 2014
record_format qdc
source_str_mv jyx
spellingShingle Kimmo, Aarni Kuivaveren valkoisuus ja kliiniset verimuuttujat immunoglobuliini fibrinogeeni Liikuntafysiologia Exercise Physiology 5011 veri verisolut veriplasma albumiinit
title Kuivaveren valkoisuus ja kliiniset verimuuttujat
title_full Kuivaveren valkoisuus ja kliiniset verimuuttujat
title_fullStr Kuivaveren valkoisuus ja kliiniset verimuuttujat Kuivaveren valkoisuus ja kliiniset verimuuttujat
title_full_unstemmed Kuivaveren valkoisuus ja kliiniset verimuuttujat Kuivaveren valkoisuus ja kliiniset verimuuttujat
title_short Kuivaveren valkoisuus ja kliiniset verimuuttujat
title_sort kuivaveren valkoisuus ja kliiniset verimuuttujat
title_txtP Kuivaveren valkoisuus ja kliiniset verimuuttujat
topic immunoglobuliini fibrinogeeni Liikuntafysiologia Exercise Physiology 5011 veri verisolut veriplasma albumiinit
topic_facet 5011 Exercise Physiology Liikuntafysiologia albumiinit fibrinogeeni immunoglobuliini veri veriplasma verisolut
url https://jyx.jyu.fi/handle/123456789/44804 http://www.urn.fi/URN:NBN:fi:jyu-201412033421
work_keys_str_mv AT kimmoaarni kuivaverenvalkoisuusjakliinisetverimuuttujat