Comparison of Predictors for High-Grade Cervical Intraepithelial Neoplasia in Women with Abnormal Smears
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: The detection of high-risk human papillomavirus (HPV) DNA provides higher sensitivity but lower specificity than cytology for the identification of high-grade cervical intraepithelial neoplasia (CIN). This study compared the sensitivity and specificity of several adjunctive tests for the detection of high-grade CIN in a population referred to colposcopy because of abnormal cytology. METHODS: 953 women participated in the study. Up to seven tests were carried out on a liquid PreservCyt sample: Hybrid Capture II (Digene), Amplicor (Roche), PreTect HPV-Proofer (NorChip), APTIMA HPV assay (Gen-Probe), Linear Array (Roche), Clinical-Arrays (Genomica), and CINtec p16INK4a Cytology (mtm Laboratories) immunocytochemistry. Sensitivity, specificity, and positive predictive value (PPV) were based on the worst histology seen on either the biopsy or the treatment specimen after central review. RESULTS: 273 (28.6%) women had high-grade disease (CIN2+) on worst histology, with 193 (20.2%) having CIN3+. For the detection of CIN2+, Hybrid Capture II had a sensitivity of 99.6%, specificity of 28.4%, and PPV of 36.1%. Amplicor had a sensitivity of 98.9%, specificity of 21.7%, and PPV of 33.5%. PreTect HPV-Proofer had a sensitivity of 73.6%, specificity of 73.1%, and PPV of 52.0%. APTIMA had a sensitivity of 95.2%, specificity of 42.2%, and PPV of 39.9%. CINtec p16INK4a Cytology had a sensitivity of 83.0%, specificity of 68.7%, and PPV of 52.3%. Linear Array had a sensitivity of 98.2%, specificity of 32.8%, and PPV of 37.7%. Clinical-Arrays had a sensitivity of 80.9%, specificity of 37.1%, and PPV of 33.0%.
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 | 0,001 | 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) | 0,001 | 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