Novel Approach to Proficiency Testing Highlights Key Practice Variations in Cancer Biomarker Delivery
Notice bibliographique
Résumé
Biomarkers are fundamental to modern oncology practice, forming a close link to pathology practice. Pathology results must be accurate, timely, comprehensive, and comprehendible. External proficiency testing is a key tool in maintaining biomarker quality. Here, we demonstrate the feasibility and utility of a novel end-to-end proficiency testing exercise exploring accuracy, turnaround time, and communication. Challenge specimens were made using resected colon cancer tissue, each paired with a fictional clinical vignette, and distributed to participants who were asked to provide all molecular testing required and return a final report for each case upon completion. Reports were redistributed to an assessor team including medical oncologists, each of whom was asked to recommend a systemic therapy based on each lab’s biomarker report. Participants were graded based on their ability to guide oncologists to the correct treatment. Eight laboratories participated. Three laboratories were found to have suboptimal results, two leading oncologists to incorrect therapeutic prescriptions, and one withdrawn. Turnaround time ranged from 6 to 86 days (median 24). Substantial qualitative reporting differences were identified. This study demonstrates the feasibility of end-to-end proficiency testing. The approach provides considerable value beyond analytic accuracy, including specimen management, turnaround time, and communication of results. Results suggest that reporting differences may lead to treatment disparities. This style of quality assurance will help reinforce good practices critical to the delivery of precision cancer care.
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 | 0,143 | 0,203 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».