Breast Fine-Needle Aspiration Practice in 2019: Results of a College of American Pathologists National Survey
Notice bibliographique
Résumé
CONTEXT.—: The College of American Pathologists surveys provide national benchmarks of pathology practice for laboratories. OBJECTIVE.—: To investigate breast fine-needle aspiration (FNA) biopsy practice in domestic and international laboratories in 2019. DESIGN.—: We analyzed data from the College of American Pathologists Breast FNA Practice Supplemental Questionnaire that was distributed to laboratories participating in the 2019 College of American Pathologists Non-Gynecologic Cytopathology Education Program. RESULTS.—: Sixty-one percent (499 of 816) of respondent laboratories routinely evaluated breast FNAs. Cystic lesions were the most common indication, and radiologists primarily performed FNAs in most settings. Forty-five percent (220 of 491) of laboratories performed ancillary studies on breast FNA samples, but 33.8% (70 of 207) did not report fixation time for breast biomarker studies. Only 54.5% (271 of 497) of laboratories had a standardized reporting system and only 16.8% (82 of 488) were aware of the International Academy of Cytology Yokohama Breast FNA Biopsy Cytology Reporting System. There were significant differences among different types of institutions in several aspects of breast FNA practice, including frequency of concurrent FNA and core needle biopsy for the same lesion, primary personnel who performed the FNA, etc. Significant differences existed between domestic and international laboratories in slide preparation, ancillary studies, fixation time reporting, standardized/descriptive diagnosis, and International Academy of Cytology Yokohama Reporting System awareness. CONCLUSIONS.—: This is the first survey from the College of American Pathologists Cytopathology Committee to investigate breast FNA practices. The data reveal significant differences in breast FNA practice among different types of institutions and between domestic and international laboratories, and provide a baseline for future breast FNA studies in a variety of practice settings.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».