Digital Compared with Screen-Film Mammography: Measures of Diagnostic Accuracy among Women Screened in the Ontario Breast Screening Program
Notice bibliographique
Résumé
PURPOSE: To compare measures of diagnostic accuracy between large concurrent cohorts of women screened with digital computed radiography (CR), direct radiography (DR), and screen-film mammography (SFM). MATERIALS AND METHODS: This study was approved by the University of Toronto Research Ethics Board; informed consent was not required. Three concurrent cohorts of women aged 50-74 years who were screened from 2008-2009 in the Ontario Breast Screening Program with SFM (487,334 screening examinations, 403,688 women), DR (254,758 screening examinations, 220,520 women), or CR (74,140 screening examinations, 64,210 women) were followed for 2 years or until breast cancer diagnosis. Breast cancers were classified as screening-detected or interval on the basis of the woman's final screening and assessment results. Interval cancer rate (per 10 000 negative screening examinations), sensitivity, and specificity were compared across the cohorts by using mixed-effects logistic regression analysis. RESULTS: Interval cancer rates were higher, although not significantly so, for CR (15.2 per 10,000; 95% confidence interval [CI]: 12.8, 17.8) and were similar for DR (13.7 per 10,000; 95% CI: 12.4, 15.0) compared with SFM (13.0 per 10,000; 95% CI: 12.1, 13.9). For CR versus SFM, specificity was similar while sensitivity was significantly lower (odds ratio [OR] = 0.62; 95% CI: 0.47, 0.83; P = .001), particularly for invasive cancers detected at a rescreening examination, for women with breast density of less than 75%, for women with no family history, and for postmenopausal women. For DR versus SFM, sensitivity was similar while specificity was lower (OR = 0.92; 95% CI: 0.87, 0.98; P = .01), particularly for rescreening examinations, for women aged 60-74 years, for women with breast density of less than 75%, for women with a family history, and for women who were postmenopausal. CONCLUSION: Given the 38% lower sensitivity of CR imaging systems compared with SFM, programs should assess the continued use of this technology for breast screening.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».