MétaCan
Menu
Retour à la cohorte
Enregistrement W3149083586 · doi:10.1111/his.14381

Performance of a HER2 testing algorithm specific for p53‐abnormal endometrial cancer

2021· article· en· W3149083586 sur OpenAlexaff
Lisa Vermij, Naveena Singh, Alicia León‐Castillo, Nanda Horeweg, Jan Oosting, Joseph W. Carlson, Vincent T.H.B.M. Smit, C. Blake Gilks, Tjalling Bosse

Notice bibliographique

RevueHistopathology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueHER2/EGFR in Cancer Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesLeids Universitair Medisch CentrumUnicancerKWF KankerbestrijdingUniversiteit Leiden
Mots-clésImmunohistochemistryMedicineConfidence intervalKappaConcordanceHuman Epidermal Growth Factor Receptor 2CancerGold standard (test)Internal medicinePathologyGynecologyBreast cancerOncologyMathematics

Résumé

récupéré en direct d'OpenAlex

AIMS: Human epidermal growth factor receptor 2 (HER2) amplification in endometrial cancer (EC) is almost completely confined to the p53-abnormal (p53abn) molecular subtype and independent of histological subtype. HER2 testing should therefore be molecular subtype-directed. However, the most optimal approach for HER2 testing in EC has not been fully established. Therefore, we developed an EC-specific HER2 immunohistochemistry (IHC) scoring method and evaluated its reproducibility and performance to establish an optimal diagnostic HER2 testing algorithm for p53abn EC. METHODS AND RESULTS: HER2 IHC slides of 78 p53abn EC were scored by six gynaecopathologists according to predefined EC-specific IHC scoring criteria. Interobserver agreement was calculated using Fleiss' kappa and the first-order agreement coefficient (AC1). The consensus IHC score was compared with HER2 dual in-situ hybridisation (DISH) results. Sensitivity and specificity were calculated. A substantial interobserver agreement was found using three- or two-tiered scoring [κ = 0.675, 95% confidence interval (CI) = 0.633-0.717; AC1 = 0.723, 95% CI = 0.643-0.804 and κ = 0.771, 95% CI = 0.714-0.828; AC1 = 0.774, 95% CI = 0.684-0.865, respectively]. Sensitivity and specificity for the identification of HER2-positive EC was 100 and 97%, respectively, using a HER2 testing algorithm that recommends DISH in all cases with moderate membranous staining in >10% of the tumour (IHC+). Performing DISH on all IHC-2+ and -3+ cases yields a sensitivity and specificity of 100%. CONCLUSIONS: Our EC-specific HER2 IHC scoring method is reproducible. A screening strategy based on IHC scoring on all cases with subsequent DISH testing on IHC-2+/-3+ cases has perfect test accuracy for identifying HER2-positive EC.

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)0,010
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,020
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,102
Tête enseignante GPT0,367
Écart entre enseignants0,265 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations18
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHistopathologyMême sujetHER2/EGFR in Cancer ResearchTravaux en français237 207