Screening with Magnetic Resonance Imaging in women at low and intermediate risk of breast Cancer
Notice bibliographique
Résumé
In this cohort of 2995 women, 21 invasive epithelial cancers, one angiosarcoma and four cases of DCIS were identified over a two-year period. Of the invasive cancers, 20 were screen-detected and one was an interval cancer. Of the 21 invasive cancers detected in the cohort, 14 (67%) were less than 2 cm and 16 (76%) were node-negative. The sensitivity of MRI was 90%, the sensitivity of ultrasound was 62% and the sensitivity of mammography was 57%. The number of biopsies incurred by MRI (156) was far greater than the number incurred by either mammography (n = 35) or by ultrasound (n = 57). No cancer was identified by mammography that was not also identified by MRI, but one cancer was detected by ultrasound that was missed by MRI. Of the 19 cancers that were detected by MRI, 17 were also detected by ultrasound or mammography and two were detected by MRI alone. In terms of sensitivity, MRI is superior or similar to the combination of mammography and ultrasound for screening of women at low or intermediate risk of breast cancer. However, because of the additional costs incurred and the number of biopsies required in order to detect a few additional breast cancers, MRI screening is probably not warranted outside of high-risk populations.
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) | 0,000 | 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 ».