MétaCan
Menu
← Retour à la cohorte
Enregistrement W2063475905 · doi:10.1158/0008-5472.sabcs-4012

The impact of preoperative breast magnetic resonance imaging (MRI) on surgical decision-making in young patients with breast cancer.

2009· article· en· W2063475905 sur OpenAlexaff
SD Mukherjee, Nicole Hodgson, Luke Peter, Carl Simon Shelley, Ssebuggwawo Jonathan, Mary Beth Terry, Divya Kavita

Notice bibliographique

RevueCancer Research · 2009
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBreast Cancer Treatment Studies
Établissements canadiensSt. Joseph's HospitalJuravinski Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineBreast cancerLumpectomyBreast MRIMammographyBreast ultrasoundRadiologyMagnetic resonance imagingMastectomyBreast surgeryUltrasoundPhysical examinationBreast imagingBreast diseaseCancerInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Abstract #4012 Recent data suggests that breast MRI is a more sensitive diagnostic test for detecting invasive breast cancer than mammography or breast ultrasound. Breast MRI may be particularly useful in younger premenopausal women with higher density breast tissue for differentiating between dense fibroglandular breast tissue and breast malignancies. The primary objective of this study was to determine the impact of pre-operative breast MRI on surgical decision-making in young women with breast cancer. Methods: A retrospective review of 32 patients with newly diagnosed invasive breast cancer and age ≤ 50 was performed. All patients underwent a physical examination, preoperative mammogram, breast ultrasound, and bilateral breast MRI. Two breast cancer surgeons reviewed the preoperative mammogram report, breast ultrasound report, and physical examination summary for each case and were asked if they would recommend a lumpectomy, quandrantectomy, or mastectomy. A few weeks later, the two surgeons were shown the same information with the breast MRI report and were asked what type of surgery they would now recommend. In each case, MRI was classified by two adjudicators as having affected the surgical outcome in a positive, negative, or neutral fashion. A 'Positive Impact' was defined as the situation where breast MRI detected additional disease that was not found on physical exam, mammogram, or breast ultrasound and led to an appropriate change in surgical management. A 'Negative Impact' was defined as the situation where the breast MRI results led the surgeon to recommend more extensive surgery, with less extensive disease actually found at pathology. 'No Impact' was defined as the situation where MRI findings did not alter surgical recommendations or outcome. Results: The median age was 41.5 years. The pathologic diagnosis was invasive ductal carcinoma in 94% (30/32) and invasive lobular carcinoma in 6% (2/32) of cases. For surgeon A, clinical management was altered in 21/32 (66%) of cases, and for surgeon B, management was altered in 13/32 (41%) of cases. The most common change in surgical decision-making after breast MRI was from breast conserving surgery to a mastectomy. Mastectomy rates were similar between both surgeons after breast MRI. After reviewing the pathology results and comparing them with the breast MRI results, it was determined that breast MRI led to a positive outcome in 13/32 cases (41%). Breast MRI led to no change in surgical management in 15/32 (47%) cases and resulted in a negative change in surgical management in 4/32 (13%) cases. Bilateral breast MRI detected a contralateral breast cancer in 2/32 (6%) patients. Conclusions: Preoperative breast MRI appears to result in a change in surgical management in a significant proportion of younger women. Further research is needed to determine if this change in surgical decision-making will result in improved local control. Citation Information: Cancer Res 2009;69(2 Suppl):Abstract nr 4012.

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)0,015
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,011
Tête enseignante GPT0,360
Écart entre enseignants0,349 · 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

Citations1
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Research→Même sujetBreast Cancer Treatment Studies→Travaux en français237 207→