Are En Face Frozen Sections Accurate for Diagnosing Margin Status in Melanocytic Lesions?
Notice bibliographique
Résumé
To assess the diagnostic accuracy of margin evaluation of melanocytic lesions using en face frozen sections compared with standard paraffin-embedded sections, we studied 2 sets of lesions in which en face frozen sections were used for analysis of surgical margins (13 from malignant melanomas [MMs] and 10 from nonmelanocytic lesions [NMLs]). Routine permanent sections were cut after routine processing. The slides were mixed and coded randomly. Fifteen dermatopathologists examined the cases separately. Margin status was categorized as positive, negative, or indeterminate. Kappa statistics were calculated per dermatopathologist and per case. One case from each group was excluded because epidermis was not available in the routine sections. Of 330 evaluations (22 cases, 15 dermatopathologists), there were 132 diagnostic discrepancies (40.0%): 66 each for MM and NML (mean per case for both diagnoses, 6). In 9 instances (6.8%), the change was from positive (frozen) to negative (permanent) and in 43 (32.6%), from negative (frozen) to positive (permanent). There was poor agreement between frozen and permanent sections (κ range per dermatopathologist, –0.1282 to 0.6615). If permanent histology is considered the “gold standard” for histologic evaluation, en face frozen sections are not suitable for accurate surgical margin assessment of melanocytic lesions.
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 | 0,008 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».