Unsatisfactory rates vary between cervical cytology samples prepared using ThinPrep and SurePath platforms: a review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: To compare unsatisfactory rates between the two major liquid-based cytology (LBC) platforms, namely ThinPrep (Hologic) and SurePath (Becton Dickinson). DESIGN: The authors performed both a systematic review and a meta-analysis. Inclusion criteria were English language, data presented on unsatisfactory rates for either ThinPrep or SurePath, utilising actual patient samples (ie, not laboratory manipulated samples) and no manipulation using acetic acid to increase the satisfactory rate. The authors searched PubMed for articles using the keywords 'SurePath' or 'ThinPrep' and 'unsatisfactory'. References of retrieved studies were searched for additional articles. Key researchers in the field were also contacted. PARTICIPANTS AND INTERVENTIONS: Eligible studies were reviewed for rates of unsatisfactory cervical cytology smears processed on either the ThinPrep or SurePath platforms (compared with a general linear model) or data on unsatisfactory rates for both platforms for the same laboratory and the same patient population (compared with a meta-analysis using a random effects model and pooled RR). PRIMARY OUTCOME MEASURE: Unsatisfactory rate of cervical cytology smears. RESULTS: A total of 1 120 418 cervical cytology smears were reported in 14 different studies using the SurePath platform for an overall unsatisfactory rate (weighted average) of 0.3%. 28 studies reported on 1 148 755 smears prepared using the ThinPrep platform for an overall unsatisfactory rate (weighted average) of 1.3%. The general linear model did not show a difference between LBC platforms when other variables were controlled for; however, the power to detect a difference (0.087) was very low. The meta-analysis performed on four studies where both ThinPrep and SurePath results were reported from the same laboratory showed fewer unsatisfactory tests from the SurePath platform (RR 0.44, 95% CI 0.25 to 0.77, p=0.004). CONCLUSIONS: Multiple factors affect LBC unsatisfactory rates. In a meta-analysis, cervical cytology samples prepared on the SurePath platform show significantly fewer unsatisfactory smears than those prepared on the ThinPrep platform.
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 | 0,020 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,042 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».