False Negative Sentinel Lymph Node Biopsies in Melanoma May Result From Deficiencies in Nuclear Medicine, Surgery, or Pathology
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
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 découle