Endoscopic Ultrasound Versus CT Scan for Detection of the Metastases to the Liver
Notice bibliographique
Résumé
BACKGROUND: Computed tomography (CT) scan is a standard test for the detection of the liver metastases; however, metastases are often missed on the CT scan. OBJECTIVE: To compare the accuracy of the endoscopic ultrasound (EUS)/endoscopic ultrasound-guided fine needle aspiration (EUS-FNA) with CT scan for detection of the liver metastases. DESIGN: Prospective study. PATIENTS: Subjects with newly diagnosed tumors of the lung, pancreas, biliary tree, esophagus, stomach, and colon were enrolled. INTERVENTIONS: A CT scan and EUS examination of the liver was performed. EUS-FNA was performed on noncystic liver lesions. RESULTS: One hundred thirty-two cases were enrolled. The presence of liver metastasis was established in 26 cases. The diagnostic accuracy of EUS/EUS-FNA and CT scan was 98% and 92%, respectively (P=0.0578). In comparison to CT scan, EUS detected significantly higher number of metastatic lesions in the liver (40 vs.19; P=0.008). CT scan detected lesions in liver that were too small to be characterized in 8 cases (malignant-3; benign-5). Of these, EUS-FNA correctly characterized the lesion to be malignant in 3/3 cases and benign in 4/5 cases. No complications were observed as a result of EUS-FNA. LIMITATIONS: Endoscopist was not blinded to the findings of the CT scan. CONCLUSIONS: In comparison with the CT scan, there was trend in favor of EUS/EUS-FNA for the superior diagnostic accuracy. EUS was distinctly superior to the CT scan in detecting the number of metastatic lesions. EUS-FNA was also useful to identify the nature of lesions that were too small to be characterized on the CT scan.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».