The role of magnetic resonance imaging in targeting prostate cancer in patients with previous negative biopsies and elevated prostate‐specific antigen levels
Notice bibliographique
Résumé
In the past 20 years, magnetic resonance imaging (MRI) has developed rapidly, along with the management of localized prostate cancer. We summarize current data on the efficacy of MRI for targeting cancer, compared with biopsies, in patients with previous negative prostate biopsies and persistently elevated prostate-specific antigen (PSA) levels. The key clinical question is how many men benefit by having had prostate cancer detected purely because of the MRI-targeted, as opposed to standard scheme, biopsies. We reviewed all available databases for prospective studies in patients having MRI and prostate biopsy with previous negative biopsies and persistently elevated PSA levels. Six studies fulfilled the selection criteria, with 215 patients in all; in these studies, the cancer-detection rate at repeat biopsy was 21-40%. For MRI or combined MRI/MR spectroscopy, the overall sensitivity for predicting positive biopsies was 57-100%, the specificity 44-96% and the accuracy 67-85%. In five studies, specific MRI-targeted biopsies and standard cores were taken, with a significant proportion (34/63, 54%) having cancer detected purely because of the MRI-targeted cores. The value of endorectal MRI and MR spectroscopy in patients with elevated PSA levels and previous negative biopsies to target peripheral zone tumours appears to be significant. Although more data obtained with current technologies are needed, published results to data are encouraging. A comparison study and cost-benefit analysis of MRI-targeted vs saturation biopsy in this group of patients would also be ideal, to delineate any advantages.
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 | 0,001 |
| 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 ».