Reparative Changes and the False-Positive/False-Negative Papanicolaou Test
Notice bibliographique
Résumé
CONTEXT: Reparative changes can be a diagnostic challenge on Papanicolaou tests and must be distinguished from epithelial cell abnormalities. Both squamous intraepithelial lesions (SIL) and carcinoma may be underdiagnosed as repair. This study examines laboratory and cytologist performance in the diagnosis of repair. OBJECTIVES: To determine if laboratories and cytologists can consistently distinguish reparative changes from SIL and carcinoma and to document how often SIL and carcinoma are mistaken for repair in a standardized educational slide program. DESIGN: Results for reparative changes, SIL, and carcinoma slides from the College of American Pathologists Interlaboratory Comparison Program in Cervicovaginal Cytology for 1998 were analyzed. Only results from validated referenced slide responses were used. RESULTS: The concordancy rate for reparative-change slides, that is, any response of within normal limits or benign cellular changes, ranged from 91% to 94% for cytotechnologist, pathologist, and laboratory responses. False-negative rates for squamous carcinoma and adenocarcinoma, high-grade SIL, and low-grade SIL ranged from 0.47% to 5.41%; the proportion of false-negative diagnoses of reparative changes ranged from 24% to 62% of all discordant responses. CONCLUSIONS: Of all benign cellular changes and within normal limits categories in the Interlaboratory Comparison Program in Cervicovaginal Cytology, repair most often elicits a false-positive laboratory response. Underdiagnosing epithelial abnormalities as repair is also a source of false-negative Papanicolaou test results.
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 | 0,003 |
| 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 | 0,005 |
| 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 ».