Effectiveness of fine‐needle aspiration cytology of breast: Analysis of 2,375 cases from northern Thailand
Notice bibliographique
Résumé
At the Maharaj Nakorn Chiang Mai Hospital, Chiang Mai, Thailand, 2,375 cases of breast lesions were sampled by fine-needle aspiration (FNA) from 1994-1999. Cytologic diagnoses were: benign (48%), suspicious for malignancy (5%), malignant (15%), and unsatisfactory (32%). Comparison with histology was possible in 721 cases. The diagnoses obtained by FNA showed a sensitivity of 84.4%, specificity of 99.5%, positive predictive value of 99.8%, negative predictive value of 84.3%, false-negative rate of 16.7%, false-positive rate of 0.5%, and overall diagnostic accuracy of 91.3%. We conclude that, in experienced hands, FNA of breast masses is reliable for diagnosis. Assessment of samples at the time of aspiration can reduce the number of inadequate specimens to near zero. Correlation of FNA results with clinical and radiologic findings can identify false-negatives and false-positives, ensuring optimal patient management. Many centers now recommend needle core biopsy instead of FNA. For regions such as ours, the added cost of this test would make it unavailable to many patients, which could delay a diagnosis of breast cancer. We advocate keeping FNA as a first-line diagnostic procedure, at least in areas under economic restrictions, in order to maximize the availability of health care to women with breast disease.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».