Appropriate use criteria for ancillary diagnostic testing in dermatopathology: New recommendations for 11 tests and 220 clinical scenarios from the American Society of Dermatopathology Appropriate Use Criteria Committee
Notice bibliographique
Résumé
BACKGROUND: Appropriate use criteria (AUC) provide patient-centered physician guidance in test selection. An initial set of AUC was reported by the American Society of Dermatopathology (ASDP) in 2018. AUC reflect evidence collected at single timepoints and may be affected by evolving evidence and experience. The objective of this study was to update and expand AUC for selected tests. METHODS: RAND/UCLA (RAND Corporation [Santa Monica, CA]/University of California Los Angeles) methodology used includes the following: (a) literature review; (b) review of previously rated tests and previously employed clinical scenarios; (c) selection of previously rated tests for new ratings; (d) development of new clinical scenarios; (e) selection of additional tests; (f) three rating rounds with feedback and group discussion after rounds 1 and 2. RESULTS: For 220 clinical scenarios comprising lymphoproliferative (light chain clonality), melanocytic (comparative genomic hybridization, fluorescence in situ hybridization, reverse transcription polymerase chain reaction, telomerase reverse transcriptase promoter), vascular disorders (MYC), and inflammatory dermatoses (periodic acid-Schiff, Gömöri methenamine silver), consensus by panel raters was reached in 172 of 220 (78%) scenarios, with 103 of 148 (70%) rated "usually appropriate" or "rarely appropriate" and 45 of 148 (30%), "appropriateness uncertain." LIMITATIONS: The study design only measures appropriateness. Cost, availability, test comparison, and additional clinical considerations are not measured. The possibility that the findings of this study may be influenced by the inherent biases of the dermatopathologists involved in the study cannot be excluded. CONCLUSIONS: AUC are reported for selected diagnostic tests in clinical scenarios that occur in dermatopathology practice. Adhering to AUC may reduce inappropriate test utilization and improve healthcare delivery.
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 | 0,092 | 0,156 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,008 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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 ».