Pathological Reporting of Radical Prostatectomy Specimens Following ICCR Recommendation: Impact of Electronic Reporting Tool Implementation on Quality and Interdisciplinary Communication in a Large University Hospital
Notice bibliographique
Résumé
Prostate cancer represents one of the most common malignant tumors in male patients in Germany. The pathological reporting of radical prostatectomy specimens following a structured process constitutes an excellent prototype for the introduction of software-based standardized structured reporting in pathology. This can lead to reports of higher quality and could create a fundamental improvement for future AI applications. A software-based reporting template was used to generate standardized structured pathological reports of radical prostatectomy specimens of patients treated at the University Hospital Klinikum rechts der Isar of Technische Universität München, Germany. Narrative reports (NR) and standardized structured reports (SSR) were analyzed with regard to completeness, and clinicians’ satisfaction with each report type was evaluated. SSR show considerably higher completeness than NR. A total of 10 categories out of 32 were significantly more complete in SSR than in NR (p < 0.05). Clinicians awarded overall high scores in NR and SSR reports. One rater acknowledged a significantly higher level of clarity and time saving when comparing SSR to NR. Our findings highlight that the standardized structured reporting of radical prostatectomy specimens, qualifying as level 5 reports, significantly increases objectively measured content quality and the level of completeness. The implementation of nationwide SSR in Germany, particularly in oncologic pathology, can serve pathologists, clinicians, and patients.
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 | 0,026 | 0,106 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».