Lymphoma diagnosis at an academic centre: rate of revision and impact on patient care
Notice bibliographique
Résumé
Few studies have examined the value of a mandatory second review of outside pathology material for haematological malignancies. Therefore, we compared diagnoses on biopsies referred to an academic medical centre to determine the rate and therapeutic impact of revised diagnoses resulting from a second review. We reviewed 1010 cases referred for lymphoma during 2009-2010. For each case, referral diagnosis and second review diagnosis were compared. Revised diagnoses were grouped into major and minor discrepancies and all major discrepancies were reviewed by a haematologist to determine the effect the diagnostic change would have on therapy. There was no change in diagnosis in 861 (85·2%) cases. In 149 (14·8%) cases, second review resulted in major diagnostic change, of which 131 (12·9%) would have resulted in a therapeutic change. The highest rates of revision were for follicular, high-grade B-cell, and T-cell lymphomas. We found higher rates of major discrepancy in diagnoses from non-academic centres (15·8%) compared to academic centres (8·5%; P = 0·022), and in excisional biopsies (17·9%) compared to smaller biopsies (9·6%; P = 0·0003). Mandatory review of outside pathology material prior to treatment of patients for lymphoma will identify a significant number of misclassified cases with a major change in therapy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,121 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».