Fine Needle Aspiration Biopsy for Preoperative Workup of Pancreatic Cystic Neoplasms
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Cystic neoplasms of the pancreas comprise a pathologically heterogeneous group of lesions that usually present with similar, nonspecific clinical features. Based on the diagnosis, treatment varies from watchful observation of the lesion to total surgical resection of the pancreas. Therefore the importance of a precise and accurate diagnosis on fine needle aspiration (FNA) biopsy cannot be overemphasized from the patient management standpoint. There is debate regarding the accuracy of FNA diagnosis of cystic lesions of the pancreas. We report 4 cases and review the literature to explore and highlight the cytologic findings and diagnostic pitfalls that may help the cytopathologist accurately distinguish mucinous cystic neoplasm (MCN), intraductal papillary mucinous neoplasm (IPMN), serous cystadenoma (SCA) and ductal adenocarcinoma (DAC). CASES: We present 4 cases of patients with abdominal masses who underwent either computed tomography (CT)-guided or endoscopic ultrasound (EUS)-guided FNA biopsy as preoperative workup. Based on the cytologic diagnosis, the patients underwent surgery. CONCLUSION: Our cases illustrate the cytologic criteria that help the cytopathologist distinguish among MCN, IPMN, SCA and DAC. Correlation with clinical and radiologic findings is strongly advocated for accurate diagnosis. We describe the diagnostic pitfalls frequently encountered in these cases and how to avoid them.
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.
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 | 0,002 |
| 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 découle