Impact of a PD-L1 Learning Collaborative: outcomes from a mixed-methods evaluation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Introduction/Objective PD-L1 Immunohistochemistry testing is often required to determine eligibility for immune checkpoint inhibitor therapy. An ASCP PD-L1 Learning Collaborative (LC) was formed aiming to: 1) identify ways to streamline PD-L1 testing; 2) encourage members to locally implement changes; and 3) develop a resource guide for the community. Methods/Case Report The PD-L1 LC (n=38 pathologists and laboratory professionals) participated in 3 activities: 1) 4 meetings in which LC members discussed current literature and practice; 2) 3 30-minute on-demand, credit-bearing panel videos, in which selected LC members summarized the LC outputs and shared their experiences; and 3) a guide summarizing resources relevant to streamlining PD-L1 testing. The mixed-methods evaluation included: 1) five- minute surveys before (n=24), immediately after (n=11) and 7-months post-LC (n=17); 2) polling questions (2-4 per meeting); 3) semi-structured interviews (n=5). Quantitative data was analysed using descriptive and inferential analysis, qualitative data using a thematic analysis / inductive reasoning approach. Results (if a Case Study enter NA) Baseline data confirmed delays in testing caused by unstandardized PD-L1 testing processes and suboptimal confidence in PD-L1 validation and methodologies. Post-LC, members self-reported perceived increased knowledge and higher confidence levels regarding discussion of PD-L1 scientific evidence and best practices. At the 7-month follow-up, 59% of respondents reported at least one PD-L1-related practice change, with 29% of participants selecting:1) Improving protocols for specimen acquisition, handling, or processing; 2) Improving communication with multidisciplinary care team; 3) Optimizing biomarker testing workflows. Remaining suboptimal knowledge post-LC suggests need for further educational efforts. Participants identified “Tumor-specific considerations” as the main resource missing for PD-L1 testing. Conclusion A learning collaborative has shown impact in improving PD-L1 testing processes and related practices among a group of pathology professionals. The group successfully made available three panel videos and a resource guide, and PD-L1-related practice changes were reported. Future initiatives should address remaining gaps and develop tumor-specific PD-L1 testing considerations.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,022 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle