The role of diagnostic imaging and liver biopsy in the diagnosis of focal nodular hyperplasia in children
Notice bibliographique
Résumé
BACKGROUND & AIMS: Focal nodular hyperplasia (FNH), a benign liver tumour, has a characteristic appearance on diagnostic imaging (DI) and histology. The role of liver biopsy in children for the diagnosis of FNH is unclear. This study investigates the diagnostic accuracy of DI for FNH in children without comorbidities, compared to liver biopsy. METHODS: A total of 304 consecutive patients (age <18 years) with a biopsied liver mass were retrospectively ascertained (1990-2010). Individuals with a history of malignancy, liver disease or syndromes with increased malignancy risk were excluded. DI and biopsy data were reviewed. RESULTS: After excluding 205 cases, 99 liver masses were studied. Based on histology, the most common diagnosis was hepatoblastoma (46/99, 44%) followed by FNH (23/99, 23%). The mean age at FNH diagnosis was 11.1 ± 5.2 years, with female preponderance (78%), and a median follow-up of 1.35 years (interquartile range 0.54, 4.20 years). 19/23 biopsy-proven FNH met standard criteria for FNH on DI. In 4/23 cases of biopsy-proven FNH, imaging did not suggest FNH. Two false positive cases included adenoma and fibrolamellar hepatocellular carcinoma. On review of original reports, DI had 82.6% sensitivity and 97.4% specificity for the diagnosis of FNH. On blind review, the sensitivity of DI for FNH diagnosis was 81.3% for MRI (13/16), and 53.3% for CT (8/15). CONCLUSIONS: In this cohort of children with liver masses and no comorbidities, a diagnosis of FNH by imaging was highly specific, and MRI was the most sensitive study for its diagnosis. Liver biopsy may be deferred in selected children if the DI, particularly MRI, is indicative of FNH.
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 ».