(前)悪性乳房病変のグレード変化に及ぼすeラーニングモジュールの効果【JST・京大機械翻訳】

van Dooijeweert Carmen; Deckers Ivette A. G.; de Ruiter Emma J.; ter Hoeve Natalie D.; Vreuls Celien P. H.; van der Wall Elsken; van Diest Paul J.

文献

J-GLOBAL ID：202002233133738947 整理番号：20A2216447

(前)悪性乳房病変のグレード変化に及ぼすeラーニングモジュールの効果【JST・京大機械翻訳】

The effect of an e-learning module on grading variation of (pre)malignant breast lesions

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A2216447&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A2216447&from=J-GLOBAL&jstjournalNo=W4740A") }}

著者 (7件)： , , , , , ,
資料名：
巻： 33 号： 10 ページ： 1961-1967 発行年： 2020年
JST資料番号： W4740A ISSN： 0893-3952 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：ドイツ (DEU) 言語：英語 (EN)

組織学的悪性度は,乳房(DCIS)のin situで浸潤性乳癌(IBC)および管癌の治療を誘導するのに広く使用されているバイオマーカーである。しかし,現在,実験室と病理学者の間の実質的な等級づけ変動は,日常の病理学実践において存在する。本研究は,e-ラーニングが(pre)悪性乳房病変の等級変化を減少させるための実行可能なツールであるかどうかを評価するために行った。金標準ディジタル画像による等級づけ(pre)悪性乳房病変の重要な概念を表すeラーニングモジュールを設計した。病理学者と住民は,DCISとIBCの別々のモジュールのいずれかに参加した。eラーニングの前後における病変のディジタルセットの等級づけの変化を,完全に交差した研究デザインで比較した。多重転帰尺度を評価した:Lightのカッパによる評価者間信頼性(IRR),画像数,異常スコア(即ち,グレードIとグレードIII),および専門家-コンセンサスからの不一致の平均数。参加者は,事前および事後学習セット(DCISモジュール:n=36,IBCモジュール:n=21)の両方を完了した。DCISでは,全転帰尺度はeラーニング後に改善し,IRRはフェア(κ:0.532)から良好(κ:0.657)に改善した。IBCでは,サブカテゴリ管状分化と有糸分裂に対する全ての転帰尺度は,eラーニング後の画像のほぼ90%に一致して,参加者の>90%が改善した。対照的に,核多形性のサブカテゴリのIRRは,公正であった(κ:0.523対κ:0.571)。本研究は,病理学者と住民がDCISとIBCの組織学的等級づけで訓練されたeラーニングモジュールが,(pre)悪性乳房病変の等級変化を減少させるための実行可能で有望なツールであることを示す。これは,(pre)悪性乳房病変の臨床意思決定における組織学的等級づけの重要な役割を与える。Copyright The Author(s), under exclusive licence to United States & Canadian Academy of Pathology 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, 【Automatic Indexing@JST】

腫ようの診断 , 臨床腫よう学一般

, , , ,

前のページに戻る