Combined Performance of Physical Examination, Mammography, and Ultrasonography for Breast Cancer Screening among Chinese Women: A Follow-Up study
Notice bibliographique
Résumé
OBJECTIVE: We aimed to determine which combination of physical examination (pe), mammography (mam), and ultrasonography (us) would optimize breast cancer detection in China. METHODS: We conducted a trial of screening with pe, mam, and us among Chinese women 25 years of age and older. All initial screenings using the three modalities were completed within 30 days of each other, and subjects were followed approximately 1 year later. The performances of the three screening methods used alone, in parallel, or in series were compared. Data were analyzed using exact confidence intervals (cis) and the McNemar test. RESULTS: Between March 2009 and July 2011, 3028 eligible women completed all study examinations. At a mean follow-up of 1.3 years, 33 breast cancers were identified in the study population. Mammography detected 28 cancers; us, 24 cancers; and pe, 22 cancers. During the follow-up period, 2 false-negative cases occurred clinically. The highest sensitivity for breast cancer screening (93.9%) was achieved by paralleling mam with us, but came at the cost of a higher recall rate (12.15%). Using us alone at the first stage, followed by mam when indicated, offered high specificity (99.4%) and the lowest recall rate (1.82%), which were not reached at the expense of sensitivity (84.8%). Used in series, us and mam achieved a sensitivity similar to that for the same modalities used in parallel (McNemar p > 0.05). CONCLUSIONS: Taking limited health resources into consideration, the strategy of screening with us alone at the first stage, followed by mam when indicated, may optimize breast cancer detection in most regions of China.
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) | 0,001 | 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 ».