Glandular Cell Abnormalities on SurePath Preparations: A Retrospective Review with Cytology-Histology Correlations
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
OBJECTIVE: Detecting glandular lesions is challenging by all Pap test methodologies. As the availability of data on identifying glandular abnormalities by SurePath is scarce, we investigated the detection rates and the correlation with histology follow-up. STUDY DESIGN: A total of 105,927 cases (SurePath and conventional) were searched for the diagnosis of atypical glandular cells or higher glandular abnormalities (AGC+) with the corresponding histologic diagnosis. The associations between the Pap test methods and diagnostic categories were assessed by χ2 test. RESULTS: Overall, 0.32% of SurePath (159/49,375) and 0.29% of conventional (164/56,552) cases showed AGC+ (p = 0.38). Histology confirmed significant abnormalities in 42 versus 53.5% of the cases, respectively (p = 0.064); 72.7% (SurePath) versus 65.2% (conventional) of these were glandular in nature (p = 0.37). The diagnosis of neoplasia (favored or definitive) showed malignancy on follow-up in 100% of SurePath cases (12/12). In contrast, 82.1% of these conventional cases disclosed premalignant or malignant lesions by histology (p = 0.12). CONCLUSIONS: AGC+ cases showed higher prevalence on SurePath preparations. Conventional cases had more abnormalities on follow-up, while glandular lesions represented a higher proportion of abnormal histologies following SurePath AGC+s. The positive predictive value of favored or definite neoplasia was higher in SurePath cases. Overall, these differences were not statistically significant.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découle