Quantitative Target Sizes for Breast Tumor Detection Prior to Metastasis: A Prerequisite to Rational Design of 4D Scanners for Breast Screening
Notice bibliographique
Résumé
It is important to determine a breast cancer tumor target size for new screening equipment and molecular detection. Records of women aged 40-69 years diagnosed in 1988-1997 with a nonmetastasized, node-negative, or node-positive T1-stage breast cancer were abstracted from the Surveillance, Epidemiology, and End Results (SEER) public-use database. The linear, Gompertzian, lognormal, and power-exponential models of the effect of tumor size on breast cancer specific mortality were compared using corresponding transforms of size in multivariate Cox proportional hazard models. Criteria for comparison were the linearization of the size transforms and the Nagelkerke R2N index for the Cox models. Our results show that the assumption of a linear effect of tumor size was rejected by the linearity test (P=0.05). The Gompertzian, lognormal, and power-exponential transforms satisfied the test with P-values of 0.08, 0.29, and 0.14, respectively. The corresponding R2N were 0.08410, 0.08420, and 0.08414, respectively, showing a marginally best fit with the lognormal model, which was selected as a model for small tumors. The lognormal function with unadjusted crude death rates gave a lognormal-location parameter of 25 and shape parameter of 1.7, while the corresponding values in multivariate models were 18 and 2, respectively. The derivation of the lognormal model indicates tumor growth acceleration starting at 3 mm (unadjusted crude data) or 2 mm (multivariate model). The breast cancer tumor target size for screening equipment, whether by imaging or molecular detection, is therefore 2 mm.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».