A validation study of the FocalPoint GS imaging system for gynecologic cytology screening
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Studies of the performance of the automated FocalPoint Guided Screening (FPGS) imaging system in gynecologic cytology screening relative to manual screening have yielded conflicting results. In view of this uncertainty, a validation study of the FPGS was conducted before its potential adoption in 2 large laboratories in Ontario. METHODS: After an intense period of laboratory training, a cohort of 10,233 current and seeded abnormal slides were classified initially by FPGS. Manual screening and reclassification blinded to the FPGS results were then performed. Any adequacy and/or cytodiagnostic discrepancy between the 2 screening methods subsequently was resolved through a consensus process (truth). The performance of each method's adequacy and cytodiagnosis vis-a-vis the truth was established. The sensitivity and specificity of each method at 4 cytodiagnostic thresholds (atypical squamous cells of undetermined significance or worse [ASC-US+], low-grade squamous intraepithelial lesion or worse [LSIL+], high-grade squamous intraepithelial lesion or worse [HSIL+], and carcinoma) were compared. The false-negative rate for each cytodiagnosis was determined. RESULTS: The performance of FPGS in detecting carcinoma, HSIL+, and LSIL+ was no different from the performance of manual screening, but the false-negative rates for LSIL and ASC-US were higher with FPGS than with manual screening. CONCLUSIONS: The results from this validation study in the authors' laboratory environment provided no evidence that FPGS has diagnostic performance that differs from manual screening in detecting LSIL+, HSIL+, or carcinoma.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle