Improvement in DCIS Detection Rates by MRI Over Time in a High-Risk Breast Screening Study
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
Although magnetic resonance imaging (MRI) is much more sensitive than mammography for detecting early invasive breast cancer, in many high-risk screening studies MRI was less sensitive than mammography for detecting ductal carcinoma in situ (DCIS). We reviewed our experience detecting DCIS in our single center study of annual MRI, mammography, ultrasound and clinical breast examination (CBE) for screening very high-risk women. All cases of DCIS±microinvasion and invasive cancer were compared in two time frames: before (period A) and after (period B) July 2001-when we acquired expertise in the detection of DCIS with MRI-with respect to patient demographics, method of detection, and rates of detection of invasive cancer and DCIS. In period A there were 15 cases (3.1% of 486 screens) in 223 women, of which 2 (13%) were DCIS-one with microinvasion-neither detected by MRI. In period B there were 29 cases (3.3% of 877 screens) in 391 women, of which 10 (34%) were DCIS±microinvasion (p=0.04), all 10 detected by MRI but only one by mammography. No DCIS cases were detected by ultrasound or CBE. Specificity was lower in period B than in period A but acceptable. The ability to detect DCIS with screening MRI improves significantly with experience. MRI-guided biopsy capability is essential for a high-risk screening program. In experienced centers the increased sensitivity of MRI relative to mammography is at least as high for DCIS as it is for invasive breast cancer.
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 | 0,001 | 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 | 0,001 |
| 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