Clinical Image Quality in Daily Practice of Breast Cancer Mammography Screening
Notice bibliographique
Résumé
OBJECTIVE: To assess the quality of screening mammograms performed in daily practice in the Quebec Breast Cancer Screening Program. SUBJECTS AND METHODS: Clinical image quality of a random subsample of 197 screening mammograms performed in 2004-2005 was independently evaluated by 2 radiologists based on the criteria by Canadian Association of Radiologists (CAR). When disagreement occurred for overall judgement or positioning score, the mammograms were reviewed by a third radiologist. Cohen's kappas for interrater agreement were computed. Multivariable robust Poisson regression models were used to study associations of overall quality and positioning with body mass index (BMI) and breast density. RESULTS: The CAR criteria were not satisfied for 49.7% of the mammograms. Positioning was the quality attribute most often deficient, with 37.2% of mammograms failing positioning. Interrater agreement ranged from slight (kappa = 0.02 for compression and sharpness) to fair (kappa = 0.30 for exposure). For overall quality, women with a BMI ≥ 30 kg/m(2) had a failure proportion of 67.5% compared with 34.9% for women with a BMI<25 kg/m(2) (risk ratio 2.1 [95% confidence interval, 1.5-3.0]). For positioning, women with a BMI ≥ 30 kg/m(2) had a failure proportion of 53.8% compared with 27.9% for women with a BMI < 25 kg/m(2) (risk ratio 1.9 [95% confidence interval, 1.2-3.1]). Effects of breast density on image quality differed among radiologists. CONCLUSION: Despite measures to ensure high-quality imaging, including CAR accreditation, approximately half of this random sample of screening mammograms failed the CAR quality standards. It would be important to define quality targets for screening mammograms carried out in daily practice to interpret such observations.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».