HER2/neu Testing in Gastric Cancer by Immunohistochemistry: Assessment of Interlaboratory Variation
Notice bibliographique
Résumé
CONTEXT: Immunohistochemical (IHC) testing for HER2/neu is becoming the standard of care for guiding adjuvant treatment of gastric carcinoma with trastuzumab. OBJECTIVE: To assess interlaboratory variation in IHC staining and interpretation across multiple laboratories. DESIGN: A tissue microarray consisting of 45 cores from 28 gastric cancers was distributed to 37 laboratories for HER2/neu assessment. The IHC results were compared against expert scores at an academic institution and correlated with in situ hybridization results from the originating specimen. Interlaboratory agreement was calculated using Cohen κ statistic. RESULTS: The survey demonstrated several variations in IHC methods, including the primary antibodies in use. There was excellent agreement among laboratories in HER2/neu(+) (IHC 3(+)) cases (κ = 0.80 ± 0.01) and very good agreement among laboratories in HER2/neu(-) (IHC 0 or 1(+)) cases (κ = 0.58 ± 0.01). Less agreement was observed among laboratories when scoring equivocal (IHC 2(+)) cases (κ = 0.22 ± 0.01). Sensitivity and specificity of HER2/neu IHC were 99% and 100%, respectively, when measured against expert review and consensus score as a reference standard. CONCLUSIONS: There is substantial interlaboratory agreement in the interpretation of HER2/neu IHC despite variability in protocols. Although HER2/neu IHC is a highly sensitive and specific test, primary antibody selection may significantly affect IHC results. Furthermore, gastric tumors require a unique scoring system and expertise in interpretation. Intratumoral heterogeneity has a significant effect on HER2/neu scoring by IHC. Ongoing quality assurance exercises among laboratories will help ensure optimized HER2/neu testing.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».