Diagnosis of Serous Tubal Intraepithelial Carcinoma Based on Morphologic and Immunohistochemical Features
Notice bibliographique
Résumé
There is compelling evidence that serous tubal intraepithelial carcinoma (STIC) is a precursor of high-grade serous ovarian carcinoma. Large-scale studies are now required to determine its biological significance and clinical implication. Before conducting these studies, a reproducible classification for STIC is needed, and that is the goal of this study. This study involved 6 gynecologic pathologists from 4 academic institutions and 3 independent rounds of review. In round 1, sixty-seven lesions ranging from normal, atypical, to STICs were classified by 5 pathologists on the basis of predetermined morphologic criteria. Interobserver agreement for the diagnosis of STIC versus not STIC was fair [κ = 0.39; 95% confidence interval (CI) 0.26, 0.52], and intraobserver reproducibility ranged from fair to moderate on the basis of percentage agreement and κ. Round 2 involved testing revised criteria that incorporated morphology and immunohistochemistry (IHC) for p53 protein expression and Ki-67 labeling in 10 sets by 3 of the pathologists. The result was an improvement in interobserver agreement for the classification of STIC (κ = 0.62; 95% CI 0.18, 1.00). An algorithm was then created combining morphology and IHC for p53 and Ki-67, and reproducibility was assessed as part of round 3. In 37 lesions reviewed by 6 pathologists, substantial agreement for STIC versus no STIC was observed (κ = 0.73; 95% CI 0.58, 0.86). In conclusion, we have developed reproducible criteria for the diagnosis of STIC that incorporate morphologic and IHC markers for p53 and Ki-67. The algorithm we propose is expected to help standardize the classification of STIC for future studies.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».