Dataset for pathology reporting of ductal carcinoma <i>in situ</i>, variants of lobular carcinoma <i>in situ</i> and low‐grade lesions: recommendations from the International Collaboration on Cancer Reporting (<scp>ICCR</scp>)
Notice bibliographique
Résumé
AIMS: To describe a new international dataset for pathology reporting of ductal carcinoma in situ (DCIS), variants of lobular carcinoma in situ (LCIS) and low-grade lesions (encapsulated papillary carcinoma, solid papillary carcinoma in situ, Paget's disease) produced by the International Collaboration on Cancer Reporting (ICCR). METHODS AND RESULTS: The ICCR, a global alliance of pathology bodies, uses a rigorous and efficient process for the development of evidence-based, structured datasets for pathology reporting of common cancers. Their aim is to support quality pathology reporting and engender understanding between the breast surgeon, pathologist, and oncologist for optimal and uniform patient management globally. Here we describe the dataset for DCIS, some variants of LCIS (namely the pleomorphic and the florid variants), and low-grade lesions by a multidisciplinary panel of internationally recognized experts. The agreed dataset comprises 12 core (required) and five noncore (recommended) elements suitable for both developed and low-income jurisdictions, derived from a review of current evidence. Areas of contention were addressed using a pragmatic approach in the absence of evidence. Use of all core elements is the minimum reporting standard for any individual case. Commentary is provided, explaining each element's clinical relevance, definitions to be applied where appropriate for the agreed list of value options and the rationale for considering the element as core or noncore. CONCLUSION: This first internationally agreed dataset for DCIS, variants of LCIS, and low-grade lesions reporting will enable their standardization of pathology reporting and enhance clinicopathological communication leading to improved patient outcomes. Widespread adoption will also facilitate international comparisons, multinational clinical trials, and help to improve the management of breast disease globally.
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 | 0,054 | 0,157 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,013 | 0,013 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,010 |
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 ».