MétaCan
Menu
Retour à la cohorte
Enregistrement W2169031646 · doi:10.1309/ajcpw37qgecdycdo

Tissue Microarray for Routine Analysis of Breast Biomarkers in the Clinical Laboratory

2009· article· en· W2169031646 sur OpenAlexaff
Thomas A. Thomson, Chen Zhou, Christina C. Y. Chu, Bryan Knight

Notice bibliographique

RevueAmerican Journal of Clinical Pathology · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueHER2/EGFR in Cancer Research
Établissements canadiensBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésTissue microarrayConcordanceMedicinePathologyStainHistopathologyBreast cancerImmunohistochemistryStainingInternal medicineCancer

Résumé

récupéré en direct d'OpenAlex

Tissue microarray analysis (TMA) allows multiple analyses on multiple patients on sections from a single paraffin block. Although it is widely used in research and in quality assurance settings, there are few references to its use in clinical practice. This study evaluated TMA assessment of breast biomarkers using immunohistochemical analysis in a clinical histopathology laboratory. Performance parameters, interobserver variability, and concordance between TMA and whole section results were assessed. The arrays had few lost or noninformative cores. A loss of stain intensity occurred in the arrays compared with the whole sections with some but not all antibodies, highlighting the need to validate the staining protocol for each antibody used on TMA sections. With recommended guidelines for specimen selection and reporting, TMA was found to be an economical replacement for whole section analysis for breast biomarkers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,422
Score d'incertitude au seuil0,612

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,080
Tête enseignante GPT0,523
Écart entre enseignants0,443 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Clinical PathologyMême sujetHER2/EGFR in Cancer ResearchTravaux en français237 207