Impact of Implementing the Paris System for Reporting Urine Cytology in the Performance of Urine Cytology
Notice bibliographique
Résumé
OBJECTIVES: We assessed the performance of urine cytology using the Paris System for Reporting Urine Cytology (PSRUC) in comparison to our current system. METHODS: In total, 124 specimens with histologic correlation were reviewed and assigned to the PSRUC categories: benign, atypical urothelial cells (AUCs), suspicious for high-grade urothelial carcinoma (SHGUC), and high-grade urothelial carcinoma (HGUC). Original cytological diagnoses were recorded. RESULTS: Fewer cases were given an AUC diagnosis using the PSRUC in comparison to the original diagnoses (26% vs 39%), while the association of AUCs with subsequent HGUC increased from 33% to 53% with the PSRUC. Using the PSRUC resulted in a higher number of low-grade carcinomas assigned to the benign (40%) rather than the AUC (22%) category. The performance of SHGUC/HGUC diagnoses was similar in both systems (predictive value = 94%). CONCLUSIONS: The PSRUC seems to improve the performance of urine cytology by limiting the AUC category to cases that are more strongly associated with HGUC.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 ».