Reproducibility of Biopsy Diagnoses of Endometrial Hyperplasia: Evidence Supporting a Simplified Classification
Notice bibliographique
Résumé
BACKGROUND: Identifying which categories in the World Health Organization classification of endometrial hyperplasia contribute to suboptimal reproducibility is clinically important. METHODS: A 2-member panel reviewed 209 endometrial biopsy/curettage specimens originally diagnosed as incident endometrial hyperplasia as part of a progression study. Original diagnoses included the following: disordered proliferative endometrium, simple hyperplasia, complex hyperplasia, and atypical hyperplasia; panel diagnoses also included negative and carcinoma. We assessed percentage agreement and kappa statistics+/-standard errors (K+/-SE). RESULTS: Original and panel diagnoses (combining negative with disordered proliferative endometrium; atypical hyperplasia with carcinoma) agreed for 34.9% of biopsies (K-unweighted+/-SE=0.18+/-0.03; K-weighted+/-SE=0.27+/-0.04). Panelists' diagnoses agreed (using 6 categories) for 51.7% of biopsies, corresponding to K-unweighted+/-SE=0.37+/-0.03, improving with weighting to K-weighted+/-SE=0.63+/-0.05. Reproducibility based on a 2-tier classification ([negative, disordered proliferative endometrium, simple hyperplasia, or complex hyperplasia] versus [atypical hyperplasia or carcinoma]) increased agreement between original and panel diagnoses to 82.8%, K-unweighted+/-SE=0.37+/-0.06, and between panelists to 87.0%, K-unweighted+/-SE=0.63+/-0.07. Agreement between panelists at a cutpoint of complex hyperplasia and more severe versus simple hyperplasia or less severe was 88.0%, K-unweighted+/-SE=0.72+/-0.07. CONCLUSIONS: Developing and prospectively testing a binary system of classifying endometrial hyperplasia on endometrial biopsy may aid efforts to improve interobserver reproducibility.
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 | 0,002 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».