CAN SONOGRAPHIC FINDINGS PREDICT THE RESULTS OF LIVER ASPIRATES IN DOGS WITH SUSPECTED LIVER DISEASE?
Notice bibliographique
Résumé
While abdominal ultrasound and ultrasound-guided fine-needle aspiration cytology are often combined to help determine the type of liver disease in dogs, little is known about the relationship that may exist between the results of these tests. We hypothesized that specific sonographic findings, or combinations of findings, may predict results of liver ultrasound-guided fine-needle aspiration cytology. Hepatic and extrahepatic sonographic findings were recorded prospectively using a standardized form in 70 dogs with clinically suspected liver disease and in which liver ultrasound-guided fine-needle aspiration cytology was performed. The predictive value of sonographic findings in regard to the category of cytology results was assessed with stepwise logistic regression analysis. Sonographic detection of a hepatic mass (> or = 3cm; risk ratio [RR] 3.83, 95% Wald confidence intervals [95% CI] 2.42-3.93, P = 0.0036), ascites (RR 3.82, 95% CI 1.94-4.28, P = 0.0044), abnormal hepatic lymph node(s) (RR 3.01, 95% CI 1.22-4.88, P= 0.0262), and abnormal spleen (RR 3.26, 95% CI 1.20-3.85, P = 0.0274) were the most predictive of liver neoplasia on cytology. Conversely, sonographic detection of hepatic nodules (< 3cm; RR 1.97, 95% CI 0.95-2.96, P = 0.0666) was most predictive of vacuolar hepatopathy on cytology. In dogs with suspected liver disease, several sonographic findings, alone or combined, are thus predictive of liver ultrasound-guided fine-needle aspiration cytology results. In the light of the fact that ultrasound-guided fine-needle aspiration cytology of the liver has limitations, these predictabilities could influence the selection of diagnostic tests to reach a reliable diagnosis.
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 | 0,000 |
| 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 ».