Surgical Pathology–Based Outcomes Assessment of Breast Cancer Early Diagnosis
Notice bibliographique
Résumé
OBJECTIVE: To develop breast cancer outcomes data relating pathologic tumor variables at diagnosis with clinical method of detection. DESIGN: Anatomic pathologists assessed 30 consecutive breast cancers at each institution, resulting in an aggregate database of 4232 breast cancers. SETTING: Hospital-based laboratories from the United States (98%), Canada, Australia, and Belgium. PARTICIPANTS: One hundred ninety-nine laboratories in the 1999 College of American Pathologists Q-Probes voluntary quality improvement program. MAIN OUTCOME MEASURES: Pathologic variables indicative of favorable outcomes included percentage of carcinomas detected at the in situ stage, tumors < or = 1 cm in diameter, and invasive cancers with lymph nodes negative for metastases. RESULTS: All outcomes measures, including percent in situ carcinomas (26.9% vs 13.8%), tumor size < or = 1 cm (57.8% vs 36.5%), and lymph node-negative status (77.8% vs 64%), were more favorable when tumors were detected by screening mammography (P <.001) compared to all other detection methods. CONCLUSIONS: This study demonstrates an opportunity for pathologists to develop outcomes information of interest to health care organizations, providers, patients, and payers by integrating routine oncologic surgical pathology and clinical breast cancer detection data. Such readily obtained interim outcomes data trended and benchmarked over time can demonstrate the relative clinical efficacy of preventive breast care provided by health care systems long before mortality data are available.
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 | 0,005 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».