Utilization and Utility of Immunohistochemistry in Dermatopathology
Notice bibliographique
Résumé
Immunohistochemistry (IHC) is considered a valuable ancillary tool for dermatopathology diagnosis, but few studies have measured IHC utilization by dermatopathologists or assessed its diagnostic utility. In a regionalized, community-based dermatopathology practice, we measured IHC utilization (total requests, specific antibodies requested, and final diagnosis) over a 12-month period. Next, we assessed diagnostic utility by comparing a preliminary "pre-IHC" diagnosis based on routine histochemical staining with the final diagnosis rendered after consideration of IHC results. The dermatopathology IHC utilization rate was 1.2%, averaging 3.6 stains requested per case. Melanocytic, hematolymphoid, and fibrohistiocytic lesions made up 23%, 18%, and 16%, respectively, of the total cases requiring IHC. S100 and Melan A were the most frequently requested stains, ordered on 50% and 34% of IHC cases, respectively. The utility study revealed that IHC changed the diagnosis in 11%, confirmed a diagnosis, or excluded a differential diagnosis in 77%, and was noncontributory in 4% of cases. Where IHC results prompted a change in diagnosis, 14% were a change from a benign to malignant lesion, whereas 32% changed from one malignant entity to another. IHC is most commonly used in cutaneous melanocytic and hematolymphoid lesions. In 11% of dermatopathology cases in which IHC is used, information is provided that changes the H&E diagnosis. Such changes may have significant treatment implications. IHC is noncontributory in only a small percentage of cases.
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 | 0,000 |
| 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 | 0,001 |
| 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) | 0,000 | 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 ».