American College of Radiology Imaging Network Digital Mammographic Imaging Screening Trial: Objectives and Methodology
Notice bibliographique
Résumé
This study was approved by the Institutional Review Board (IRB) of the American College of Radiology Imaging Network (ACRIN) and each participating site and by the IRB and the Cancer Therapy Evaluation Program at the National Cancer Institute. The study was monitored by an independent Data Safety and Monitoring Board, which received interim analyses of data to ensure that the study would be terminated early if indicated by trends in the outcomes. The ACRIN, which is funded by the National Cancer Institute, conducted the Digital Mammographic Imaging Screening Trial (DMIST) primarily to compare the diagnostic accuracy of digital and screen-film mammography in asymptomatic women presenting for screening for breast cancer. Over the 25.5 months of enrollment, a total of 49 528 women were included at the 33 participating sites, which used five different types of digital mammography equipment. All participants underwent both screen-film and digital mammography. The digital and screen-film mammograms of each subject were independently interpreted by two radiologists. If findings of either examination were interpreted as abnormal, subsequent work-up occurred according to the recommendations of the interpreting radiologist. Breast cancer status was determined at biopsy or follow-up mammography 11-15 months after study entry. In addition to the measurement of diagnostic accuracy by using the interpretations of mammograms at the study sites, DMIST included evaluations of the relative cost-effectiveness and quality-of-life effects of digital versus screen-film mammography. Six separate reader studies using the de-identified archived DMIST mammograms will also assess the diagnostic accuracy of each of the individual digital mammography machines versus screen-film mammography machines, the effect of breast density on diagnostic accuracy of digital and screen-film mammography, and the effect of different rates of breast cancer on the diagnostic accuracy in a reader study.
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 | 0,028 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,005 |
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 ».