Small Samples, Big Insights: PD-L1 Experience of a Tertiary Institution
Notice bibliographique
Résumé
Background PD-L1 expression guides immunotherapy decisions in non small cell lung cancer (NSCLC), yet sample type can impact assessment accuracy. This study aimed to compare PD-L1 expression between small (biopsies, cell blocks) and large (resection) NSCLC samples, assess interobserver variability, and examine whether PD-L1 scoring trends remained stable over a multi-year period. Methods A retrospective analysis was conducted on 494 NSCLC patients tested for PD-L1 (Ventana SP263) between 2018 and 2022. Sample type, tumor subtype, PD-L1 tumor proportion score (TPS), and reporting pathologist were recorded. Interobserver variability was analyzed based on routine diagnostic reports from different pathologists evaluating non-overlapping patient cohorts. Additionally, a subset of 43 patients had matched cell block and resection specimens collected from the same tumor, allowing direct comparison between preparations. Results Among the 494 NSCLC specimens, 152 were large and 342 were small samples. TPS results showed 112 samples (22%) with TPS ≥ 50%, 163 (34%) with TPS 1%–49%, and 219 (44%) with TPS < 1%. No significant differences in TPS categories were observed between cell blocks and tissue samples (p = 0.176) or between small and large samples (p = 0.326). TPS distributions across different pathologists (p = 0.260) and years (p = 0.250) remained consistent. In the matched 43 specimens, TPS concordance between cell block and resection was high (κ = 0.892). Conclusion Small biopsies and cell blocks provide reliable PD-L1 results comparable to resection specimens, supporting their use for PD-L1 testing in clinical settings to enhance timely immunotherapy access for NSCLC 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».