Fine-needle aspiration biopsy of bronchioloalveolar carcinoma
Notice bibliographique
Résumé
BACKGROUND: The purpose of the current study was to determine the accuracy of the cytologic diagnosis of bronchioloalveolar carcinoma (BAC) by fine-needle aspiration biopsy (FNAB). METHODS: During a 4-year period (1994-1998), 1664 lung FNABs were performed. Forty-nine patients with BAC diagnosed by FNAB and/or surgical biopsy formed the basis of this study. RESULTS: Twenty-four patients diagnosed with BAC by FNAB had histologic confirmation. Surgical pathology revealed BAC in 15 patients with a cytologic diagnosis of large cell carcinoma (LCA) or adenocarcinoma (ACA). Nine patients diagnosed with BAC by FNAB were found to have ACA histologically. One unsatisfactory aspirate was diagnosed as BAC by surgical pathology. Review of 15 FNAB specimens with a diagnosis of LCA or ACA revealed cytologic features typical of BAC. In six aspirates, additional features such as pronounced nuclear crowding and overlapping, variation in nuclear size, and increased number of pleomorphic cells interfered with the FNAB diagnosis of BAC. Nine FNABs with a diagnosis of BAC were found histologically to have ACA with a focal BAC growth pattern. One unsatisfactory FNAB aspirate diagnosed as BAC histologically was due to sampling error. CONCLUSIONS: A diagnosis of BAC by FNAB is possible using conventional cytologic criteria. Some BACs show pronounced nuclear crowding and overlapping, variation in nuclear size, and an increased number of pleomorphic cells cytologically, which may interfere with an FNAB diagnosis of BAC. FNABs from ACA cases with a focal BAC pattern remain a diagnostic dilemma due to the nature of the lesion. In addition, sampling error by FNAB can be a diagnostic pitfall. Cancer (Cancer Cytopathol)
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) | 0,001 | 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 ».