Positron Emission Tomography/Computed Tomographic Scans Compared to Computed Tomographic Scans for Detecting Colorectal Liver Metastases
Notice bibliographique
Résumé
OBJECTIVE: To review diagnostic accuracy of positron emission tomography/computed tomography (PET/CT) for colorectal liver metastases. BACKGROUND: Colorectal liver metastases can be treated with surgical resection; however, recurrence is seen in 58% of patients. PET/CT may better detect extra-hepatic disease before surgery to more accurately identify eligible candidates for surgery and, through better selection, improve patient prognosis. METHODS: We conducted a comprehensive systematic review on adults with colorectal liver metastases who received PET/CT and CT scans to detect metastases. The gold standard to confirm the diagnosis was histology. Study selection, quality assessment, and data extraction were completed independently by 2 investigators. Pooling of results was not feasible because of heterogeneity. A qualitative summary of results is presented. RESULTS: From 1083 citations, we identified 6 studies (440 patients) for the review. For extra-hepatic lesions (3 studies; 178 patients), PET/CT was more sensitive than CT, but specificities were similar (PET/CT sensitivity [SN] = 75%-89% and specificity [SP] = 95%-96% vs. CT SN = 58%-64% and SP = 87%-97%). For hepatic lesions (5 studies; 316 patients), PET/CT had higher SN and SP than CT (PET/CT SN = 91%-100% and SP = 75%-100%; CT SN = 78%-94% and SP = 25%-98%). For local recurrence (3 studies; 206 patients), PET/CT also had better accuracy than CT with SN = 93% to 100% and SP = 97% to 98% versus SN = 0 %-100% and SP = 97%-98%. CONCLUSION: Based on this systematic review, we conclude that PET/CT has a higher accuracy for detection of extra-hepatic and hepatic colorectal metastatic disease than CT alone. However, the results are based on a small number of studies and should be interpreted cautiously.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,004 | 0,004 |
| 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 | 0,001 | 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 ».