18F-FDG PET versus 18F-FDG PET/CT for Adrenal Gland Lesion Characterization: a Comparison of Diagnostic Efficacy in Lung Cancer Patients
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to assess the diagnostic efficacy of integrated PET/CT using fluorodeoxyglucose (FDG) for the differentiation of benign and metastatic adrenal gland lesions in patients with lung cancer and to compare the diagnostic efficacy with the use of PET alone. MATERIALS AND METHODS: Sixty-one adrenal lesions (size range, 5-104 mm; mean size, 16 mm) were evaluated retrospectively in 42 lung cancer patients. Both PET images alone and integrated PET/CT images were assessed, respectively, at two-month intervals. PET findings were interpreted as positive if the FDG uptake of adrenal lesions was greater than or equal to that of the liver, and the PET/CT findings were interpreted as positive if an adrenal lesion show attenuation > 10 HU and showed increased FDG uptake. Final diagnoses of adrenal gland lesions were made at clinical follow-up (n = 52) or by a biopsy (n = 9) when available. The diagnostic accuracies of PET and PET/CT for the characterization of adrenal lesions were compared using the McNemar test. RESULTS: Thirty-five (57%) of the 61 adrenal lesions were metastatic and the remaining 26 lesions were benign. For the depiction of adrenal gland metastasis, the sensitivity, specificity, and accuracy of PET were 74%, 73%, and 74%, respectively, whereas those of integrated PET/CT were 80%, 89%, and 84%, respectively (p values; 0.5, 0.125, and 0.031, respectively). CONCLUSION: The use of integrated PET/CT is more accurate than the use of PET alone for differentiating benign and metastatic adrenal gland lesions in lung cancer 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».