Prospective Step Sections for Small Skin Biopsies
Notice bibliographique
Résumé
Abstract Context. —In our laboratory, for small skin biopsies or curetted specimens, 3 slides are prepared before the case is reviewed by the dermatopathologist. Objective. —To examine the utility of these “prospective” step sections in improving diagnostic accuracy and turnaround time. Design. —Five hundred consecutive cases, in which step sections had been cut prior to slide review, were studied. For each specimen, 3 slides, each consisting of 1 ribbon of tissue containing 4 to 6 sections, were obtained at 50-μm intervals from the paraffin block. Results. —Fifty-eight biopsies (12%) were nondiagnostic using slide 1 alone. Step sections provided a diagnosis in 19 of 58 cases. In an additional 15 cases (3%) in which a diagnosis was possible using slide 1, deeper levels resulted in a change in diagnosis. Thus, in 34 (7%) of 500 biopsies, deeper levels resulted in improved diagnostic accuracy. In addition, the pathologist would have ordered step sections in a further 117 cases (23%) to clarify the diagnosis rendered on level 1 or to exclude other lesions. Thus, 30% of small skin biopsies would have required deeper levels if step sections had not been obtained prior to slide review. Conclusions. —In our laboratory, the use of prospective step sections is essentially cost-neutral and case turnaround time is improved by 9% to 45%. Step sections result in a changed diagnosis in 7% of small skin biopsy specimens.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».