The accuracy of multi-detector row computerized tomography in staging rectal cancer compared to endoscopic ultrasound
Notice bibliographique
Résumé
BACKGROUND/AIM: Our aim was to evaluate the diagnostic accuracy of multi-detector row computerized tomography (MDCT) in staging of rectal cancer by comparing it to rectal endoscopic ultrasound (EUS). MATERIALS AND METHODS: We prospectively included all patients with rectal cancer referred to our gastroenterology unit for staging of rectal cancer from December 2007 until February 2011, 53 patients whose biopsy had proven rectal cancer underwent both MDCT scan of the pelvis and rectal EUS. Both imaging modalities were compared and the agreement between T- and N-staging of the disease was assessed. RESULTS: We staged 62 patients with rectal cancer during the study period. Of these, 53 patients met the inclusion criteria and were evaluated (25 women and 28 men). The mean age was 57.79 ± 14.99 years (range 21-87). MDCT had poor accuracy compared with EUS in T-staging with a low degree of agreement (kappa = 0.26), while for N-staging MDCT had a better accuracy and a moderate degree of agreement with EUS (kappa = 0.45). CONCLUSIONS: MDCT has a poor accuracy for predicting tumor invasion compared to EUS for T-staging while it has moderate accuracy for N-staging.
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) | 0,001 | 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 ».