MétaCan
Menu
Retour à la cohorte
Enregistrement W4396619624 · doi:10.3389/fonc.2024.1328374

Pediatric neuropathology practice in a low- and middle-income country: capacity building through institutional twinning

2024· article· en· W4396619624 sur OpenAlexaffabout
Ahmed Gilani, Naureen Mushtaq, Muhammad Shakir, Zainab Siddiq, Éric Bouffet, Uri Tabori, Cynthia Hawkins, Khurram Minhas

Notice bibliographique

RevueFrontiers in Oncology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Health and Surgery
Établissements canadiensHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésMedicineMedulloblastomaAtypical teratoid rhabdoid tumorAttendanceNeuropathologyInstitutional review boardPathologyDiseaseSurgery

Résumé

récupéré en direct d'OpenAlex

Background: Accurate and precise diagnosis is central to treating central nervous system (CNS) tumors, yet tissue diagnosis is often a neglected focus in low- and middle-income countries (LMICs). Since 2016, the WHO classification of CNS tumors has increasingly incorporated molecular biomarkers into the diagnosis of CNS tumors. While this shift to precision diagnostics promises a high degree of diagnostic accuracy and prognostic precision, it has also resulted in increasing divergence in diagnostic and management practices between LMICs and high-income countries (HICs). Pathologists and laboratory professionals in LMICs lack the proper training and tools to join the molecular diagnostic revolution. We describe the impact of a 7-year long twinning program between Canada and Pakistan on pathology services. Methods: During the study period, 141 challenging cases of pediatric CNS tumors initially diagnosed at Aga Khan University Hospital (AKUH), Karachi, were sent to the Hospital for Sick Children in Toronto, Canada (SickKids), for a second opinion. Each case received histologic review and often immunohistochemical staining and relevant molecular testing. A monthly multidisciplinary online tumor board (MDTB) was conducted to discuss the results with pathologists from both institutions in attendance. Results: Diagnostic discordance was seen in 30 cases. Expert review provided subclassification for 53 cases most notably for diffuse gliomas and medulloblastoma. Poorly differentiated tumors benefited the most from second review, mainly because of the resolving power of specialized immunohistochemical stains, NanoString, and targeted gene panel next-generation sequencing. Collaboration with expert neuropathologists led to validation of over half a dozen immunostains at AKUH facilitating diagnosis of CNS tumors. Conclusions: LMIC-HIC Institutional twinning provides much-needed training and mentorship to pathologists and can help in infrastructure development by adopting and validating new immunohistochemical stains. Persistent unresolved cases indicate that molecular techniques are indispensable in for diagnosis in a minority of cases. The development of affordable alternative molecular techniques may help with these histologically unresolved cases.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,562
Score d'incertitude au seuil0,591

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,325
Écart entre enseignants0,303 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in OncologyMême sujetGlobal Health and SurgeryTravaux en français237 207