MétaCan
Menu
Retour à la cohorte
Enregistrement W2058956489 · doi:10.14740/jocmr2114w

Preoperative Assessment of the Axilla by Surgeon Performed Ultrasound and Cytology in Patients With Breast Cancer

2015· article· en· W2058956489 sur OpenAlexvenueno aff
Günay Gürleyik, Emin Gürleyik, Ali Aktekin, Fügen Aker

Notice bibliographique

RevueJournal of Clinical Medicine Research · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBreast Cancer Treatment Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineAxillaRadiologyAxillary Lymph Node DissectionBreast cancerSentinel lymph nodeBiopsyCytologyPositive predicative valueLymphCancerPredictive valuePathologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Preoperative evaluation of the axilla, an important prognostic determinant for patients with invasive breast cancer, is achieved by non- or minimally invasive methods to avoid the potential hazards of operative intervention. The aim of this study was to determine statistical power of axillary ultrasound (US) and US-guided fine needle aspiration cytology (FNAC) for evaluating axillary status. METHODS: Axillary lymph nodes were imaged for malignant involvement by high resolution US in 93 breast cancer patients with clinically negative axilla. Cytological samples were obtained by US-guided FNAC from image-suspicious lymph nodes. Cytology-positive patients directly underwent axillary lymph node dissection (ALND). Patients with US and/or cytology-negative axilla underwent sentinel lymph node biopsy (SLNB). Using statistical analysis, US findings and US combined with FNAC were compared with SLNB and final pathology to measure performance. RESULTS: US was suspicious for metastasis in 38 patients (41%), of whom 16 (42%) were cytology-positive. Axilla was positive in 36/93 patients (38.7%). Sixteen patients with positive FNAC directly underwent ALND. SLNB and/or final pathology was positive in 13/55 patients (23.7%) with negative US (false negative of US) and in 7/22 patients (31.8%) with positive US but negative cytology (false negative of FNAC). SLNB and/or final pathology was negative in 15/38 patients (39.5%) with positive US (false positive of US). Sensitivity, specificity, accuracy, positive predictive value (PPV) and negative predictive value (NPV) of US alone were 63.8%, 73.6%, 69.8%, 60.5% and 76.3%, respectively, and 69.6%,100%, 81.6%, 100% and 68.1%, respectively, for US combined with FNAC. CONCLUSION: Statistical measures of the US alone did not achieve a satisfactory value for excluding operative biopsy. US-negative and US-positive but cytology-negative cases still require SLNB for accurate evaluation of axillary status. On the other hand, US-guided positive cytology can obviate SLNB proceeding directly to ALND and avoiding frozen section of sentinel node(s).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,476
Écart entre enseignants0,406 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Medicine ResearchMême sujetBreast Cancer Treatment StudiesTravaux en français237 207