Altered Recognition of Reparative Changes in ThinPrep Specimens in the College of American Pathologists Gynecologic Cytology Program
Notice bibliographique
Résumé
Abstract Context. —Previous studies have shown that the diagnosis of reparative changes in conventional smears in the College of American Pathologists Interlaboratory Comparison Program in Gynecologic Cytology is one of the least reproducible diagnoses. Indeed, the diagnosis of reparative changes consistently yields the highest false-positive rate of any negative for intraepithelial lesions and malignancy (NILM) cytodiagnostic category. It is unknown whether cytologists recognize reparative changes in ThinPrep specimens as well, or less often, as in conventional smears. Objective. —To assess and compare the ability of cytologists to recognize reparative changes in conventional and ThinPrep preparations. Design. —We compiled performance data from the College of American Pathologists Interlaboratory Comparison Program in Gynecologic Cytology from the 2000–2003 program years. More than 400 slides with a reference diagnosis of reparative changes met our study criteria, representing a total of 11 200 individual responses for conventional cases and 1155 individual responses for ThinPrep specimens. We evaluated the results of both individual and laboratory participants using 2 performance criteria: the false-positive discordancy rate and the exact match error rate (any response that does not exactly match the reference diagnosis of 120 [reparative changes]). Results. —Cases with a reference diagnosis of reparative changes made up 1.2% of all ThinPrep slides and 3.7% of all conventional slides in circulation. The false-positive discordancy rate of individual responses on educational slides for conventional smears was significantly higher than the corresponding false-positive discordancy rate for ThinPrep specimens (15.7% for conventional vs 7.1% for ThinPrep specimens, P < .001). Laboratory responses on educational conventional smears and ThinPrep slides showed a similar trend (14.2% for conventional smears vs 2.4% for ThinPrep slides, P = .002). The exact match error rate on educational conventional slides was 41.4% for individual responses, while on educational ThinPrep slides, the overall error rate was 57.5% ( P < .001). For laboratory responses, the exact match error rate was 40.5% for educational conventional smears versus 58.9% for educational ThinPrep smears ( P < .001). Characteristic features of reparative changes were identified in ThinPrep specimens. Conclusions. —In the College of American Pathologists Interlaboratory Comparison Program in Gynecologic Cytology, ThinPrep slides with a reference diagnosis of reparative changes have a lower false-positive discordancy rate than conventional slides. Responses to ThinPrep cases with a reference diagnosis of reparative change show a higher exact match error rate than conventional smears. Since reparative changes in gynecologic cytology are recognized as indicating an increased risk of significant lesions, the clinical significance of these altered patterns of recognition of reparative changes in ThinPrep specimens warrants further investigation.
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 | 0,006 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».