An Audit of Failed Immunohistochemical Slides in a Clinical Laboratory: The Role of On-Slide Controls
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Appropriate controls are critical for the correct interpretation of immunohistochemistry (IHC) assays and help to detect unsuccessful/suboptimal slides. We performed an audit of slides that were designated as being "failed" by the IHC laboratory (ie, laboratory-failed slides) of a large North American oncology and transplant center. All slides were run with on-slide controls. The study included analysis of only those failed slides where staining of both internal and external controls were unsuccessful/suboptimal in a period of 65 days. Failed slides were categorized based on the reason why the laboratory failed the slides. The study compared frequencies of failed slides across 9 automated stainers from 2 manufacturers and between class 1 and class 2 biomarkers. Distinction between "failed slides" and "false-negative/false-positive tests" is emphasized. The study included 22,234 IHC slides in the study period. Of those, 452 (2%) were designated as "failed" by the laboratory. Class 1 and class 2 tests showed failure rates of 0.8% and 9%, respectively. The most frequent reason for failed slides on one platform related to "no or weak staining," whereas the other had more failed slides due to "high signal-to-noise ratio" (P<0.0001, χ test). Although the slides were run in groups of the same as well as different IHC protocols, unsuccessful/suboptimal testing typically manifested as individual slides (92%) and not as groups of slides; this indicates that so-called "batch controls" are not suitable as controls for automated platforms. We conclude that in the era of automated IHC staining platforms, on-slide controls allow for the proper identification of IHC slides that should be failed by the IHC laboratory and represent a powerful tool for preventing the reporting of false-negative/false-positive tests.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle