Breast cancer biomarkers in clinical testing: analysis of a UK national external quality assessment scheme for immunocytochemistry and in situ hybridisation database containing results from 199 300 patients
Notice bibliographique
Résumé
We describe a collated data set of results from clinical testing of breast cancers carried out between 2009 and 2016 in the United Kingdom and Republic of Ireland. More than 199 000 patient biomarker data sets, together with clinicopathological parameters were collected. Our analyses focused on human epidermal growth factor receptor-2 (HER2), oestrogen receptor (ER) and progesterone receptor (PR), with the aim of the study being to provide robust confirmatory evidence on known associations in these biomarkers and to uncover new data on previously undescribed or unconfirmed associations, thus strengthening the evidence-base in clinical breast cancer testing. Overall, 13.1% of tumours were HER2-positive; 10.6% in ER-positive tumours, and 25.5% in ER-negative tumours. Higher rates of HER2 positivity were significantly associated with patient age <56 years versus age ≥56 years, symptomatic versus screen-detected tumours, testing of involved axillary node versus primary breast cancer, invasive ductal carcinoma (not otherwise specified) versus other histological types, higher histological grade, increasing tumour size, increasing nodal involvement, ER-negative versus ER-positive tumour status, PR-negative versus PR-positive tumour status. Where ER status was known, 82.7% of tumours were ER-positive; 80.9% in women age <56 years, and 83.6% in those age ≥56 years (ER-positive cut-off ≥1.0% positive tumour cells or equivalent). Where PR status was known, 64.9% of tumours were PR-positive; 65.8% in women age <56 years, and 64.4% in women age ≥56 years (PR-positive cut off ≥10.0% or equivalent). These analyses of clinical test results provide contemporary benchmarking data for HER2, ER and PR positive rates.
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 | 0,013 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,006 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».