False Negative Sentinel Lymph Node Biopsies in Melanoma May Result From Deficiencies in Nuclear Medicine, Surgery, or Pathology
Notice bibliographique
Résumé
OBJECTIVE: To investigate a cohort of melanoma patients with false negative (FN) sentinel node (SN) biopsies (SNBs) to identify the reasons for the FN result. SUMMARY OF BACKGROUND DATA: SNB is a highly efficient staging method in melanoma patients. However, with long-term follow-up FN SNB results of up to 25% have been reported. METHODS: Seventy-four SNs from 33 patients found to have had an FN SNB were analyzed by reviewing the lymphoscintigraphy, surgical data, and histopathology, and by assessing nodal tissue using multimarker real-time quantitative reverse transcription (qRT) polymerase chain reaction, and antimony concentration measurements (as a marker of "true" SN status) using inductively coupled plasma mass spectroscopy. RESULTS: Nine SNs (12%) from 9 patients (27%) had evidence of melanoma on histopathologic review. Twelve SNs (16%) from 10 patients (30%) were qRT(+). Four of these 12 SNs were positive on histopathology review and 8 were negative. Four patients (12%) were upstaged by qRT. Sixteen patients had their SNB histology, lymphoscintigraphy, and surgical data reviewed. Identifiable causes of the FN SNBs were not found after review of all modalities in 4 patients. SNs from all 4 patients had antimony levels indicative of an SN. Of the SNs evaluable by qRT, 1 was qRT(+) and 7 SNs from 2 patients were qRT(-). CONCLUSIONS: An FN SN can occur because of deficiencies in nuclear medicine, surgery, or pathology. qRT can detect "occult" metastatic melanoma in SNs that have been identified as negative by histopathology.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».