Calibration and Optimization of p53, WT1, and Napsin A Immunohistochemistry Ancillary Tests for Histotyping of Ovarian Carcinoma
Notice bibliographique
Résumé
The Canadian Immunohistochemistry Quality Control provides proficiency testing for immunohistochemistry in Canadian laboratories. Canadian Immunohistochemistry Quality Control Run 42 assessed WT1, Napsin A, and p53; commonly used markers for histotyping ovarian carcinomas. A 42-core tissue microarray, which included the 5 major histotypes of ovarian carcinomas with a subset having known TP53 mutational status, was used for this Canadian Immunohistochemistry Quality Control challenge. Participants included 43 laboratories for p53, 29 for WT1, and 26 for Napsin A. p53 was scored as aberrant if the staining was strong and diffuse or absent. Napsin A and WT1 were scored positive if any tumor cells stained. The reference p53 expression pattern was inferred by TP53 mutation type when available. For WT1, Napsin A, and cases lacking mutational data, the reference staining pattern was based on the majority staining result. The error rate for p53 was 8.8%. Most errors (84%) were due to weak staining. The sensitivity and specificity of aberrant p53 expression for an underlying TP53 mutation was 91.6% and 87.9%, respectively. The error rate for WT1 was 0.76% with all errors occurring in laboratories using the 6F-h2 clone. The average errors for laboratories using 6F-h2 were 2.4 compared with 0 for WT-49. The error rate for Napsin A was 4%. The average errors for laboratories using polyclonal Napsin A were 3 compared with 1.1 for monoclonal Napsin A. Weak p53 staining increases interpretative errors, primarily due to absence of staining in tumors with wild-type TP53. p53 immunohistochemistry correlates strongly with TP53 mutational status. Polyclonal Napsin A and 6F-h2 may lack specificity in comparison to monoclonal Napsin A and WT-49.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».