Accuracy of bronchial brush and wash specimens prepared by the ThinPrep method in the diagnosis of pulmonary small cell carcinoma
Notice bibliographique
Résumé
BACKGROUND: ThinPrep bronchial brush and wash accuracy in the diagnosis of pulmonary small cell carcinoma (pSCCa) and measured as sensitivity, specificity, positive and negative predictive values (PPV and NPV) is incompletely studied or unknown. METHODS: Specimens collected over 5 years from 199 pSCCa and 938 negative (Neg) for pulmonary cancer individuals were selected by linking the laboratory file with the cancer registry. Results other than unsatisfactory were classified as true-positive and -negative, and false-positive and -negative tests so as to calculate accuracy estimates. Slides of all false-negative and -positive and randomly selected samples of true-positive and -negative tests were evaluated for 11 abnormal cell features typical of pSCCa in conventional preparations: distribution differences by disease status were tested for significance. RESULTS: There were 129 brush and 170 wash in the pSCCa group and 365 brush and 1153 wash in the Neg group. Of all specimens, 1.2% were unsatisfactory. Brush sensitivity, specificity, PPV, and NPV were 61.9%, 99.4%, 97.5%, and 88%, respectively. Wash frequencies were 53.3%, 98.8%, 86.5%, and 93.5%, respectively. Abnormal cell features occurred in 29.9% of the selected pSCCa and 4.7% of the Neg specimens, and distribution differences were significant for each feature (P < .001). CONCLUSIONS: Unsatisfactory brush and wash specimens are infrequent in the diagnosis of pSCCa, and both have moderate sensitivity and high specificity, PPV, and NPV. pSCCa abnormal cell features resemble those seen in conventional preparations and can distinguish specimens with pSCCa from those negative for pulmonary cancer.
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 | 0,001 |
| 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) | 0,000 | 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 ».