MétaCan
Menu
Retour à la cohorte
Enregistrement W2965019135 · doi:10.1038/s41379-019-0327-4

“Interchangeability” of PD-L1 immunohistochemistry assays: a meta-analysis of diagnostic accuracy

2019· review· en· W2965019135 sur OpenAlexaff
Emina Torlakovic, Hyun J. Lim, Julien Adam, Penny J. Barnes, Gilbert Bigras, Anthony W.H. Chan, Carol C. Cheung, Jin-Haeng Chung, Christian Couture, Pierre Fiset, Daichi Fujimoto, Gang Han, Fred R. Hirsch, Marius Ilié, Diana N. Ionescu, Chao Li, Enrico Munari, Katsuhiro Okuda, M. Ratcliffe, David L. Rimm, Catherine Ross, Rasmus Røge, Andreas H. Scheel, Ross A. Soo, Paul E. Swanson, Maria Tretiakova, Ka‐Fai To, Gilad W. Vainer, Hangjun Wang, Zhaolin Xu, Dirk Zielinski, Ming‐Sound Tsao

Notice bibliographique

RevueModern Pathology · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensUniversity of CalgaryMcMaster UniversityBC Cancer AgencyMcGill University Health CentreInstitut universitaire de cardiologie et de pneumologie de QuébecDalhousie UniversityHamilton Health SciencesUniversity of TorontoSaskatchewan HealthUniversity Health NetworkUniversité LavalUniversity of SaskatchewanSaskatchewan Health Authority
Organismes subventionnairesNational Center for Advancing Translational Sciences
Mots-clésInterchangeabilityMedicineMedical physicsMeta-analysisData extractionDiagnostic accuracyMEDLINEGrading (engineering)PathologyData miningComputer scienceInternal medicine

Résumé

récupéré en direct d'OpenAlex

Different clones, protocol conditions, instruments, and scoring/readout methods may pose challenges in introducing different PD-L1 assays for immunotherapy. The diagnostic accuracy of using different PD-L1 assays interchangeably for various purposes is unknown. The primary objective of this meta-analysis was to address PD-L1 assay interchangeability based on assay diagnostic accuracy for established clinical uses/purposes. A systematic search of the MEDLINE database using PubMed platform was conducted using "PD-L1" as a search term for 01/01/2015 to 31/08/2018, with limitations "English" and "human". 2,515 abstracts were reviewed to select for original contributions only. 57 studies on comparison of two or more PD-L1 assays were fully reviewed. 22 publications were selected for meta-analysis. Additional data were requested from authors of 20/22 studies in order to enable the meta-analysis. Modified GRADE and QUADAS-2 criteria were used for grading published evidence and designing data abstraction templates for extraction by reviewers. PRISMA was used to guide reporting of systematic review and meta-analysis and STARD 2015 for reporting diagnostic accuracy study. CLSI EP12-A2 was used to guide test comparisons. Data were pooled using random-effects model. The main outcome measure was diagnostic accuracy of various PD-L1 assays. The 22 included studies provided 376 2×2 contingency tables for analyses. Results of our study suggest that, when the testing laboratory is not able to use an Food and Drug Administration-approved companion diagnostic(s) for PD-L1 assessment for its specific clinical purpose(s), it is better to develop a properly validated laboratory developed test for the same purpose(s) as the original PD-L1 Food and Drug Administration-approved immunohistochemistry companion diagnostic, than to replace the original PD-L1 Food and Drug Administration-approved immunohistochemistry companion diagnostic with a another PD-L1 Food and Drug Administration-approved companion diagnostic that was developed for a different purpose.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,105
score de la tête « metaresearch » (Gemma)0,159
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens large)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,984
Score d'incertitude au seuil0,556

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1050,159
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0160,067
Bibliométrie0,0080,010
Études des sciences et des technologies0,0010,002
Communication savante0,0070,004
Science ouverte0,0030,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,193
Tête enseignante GPT0,416
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations177
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern PathologyMême sujetCancer Immunotherapy and BiomarkersTravaux en français237 207