Detection of Inflammatory Lesions by F-18 Fluorodeoxyglucose Positron Emission Tomography in Patients with Polymyositis and Dermatomyositis
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the usefulness of F-18 fluorodeoxyglucose positron emission tomography (FDG-PET) imaging in the management of patients with inflammatory myopathy. We examined whether FDG-PET scanning detects myositis or extramuscular lesions in patients with polymyositis (PM) and dermatomyositis (DM). METHODS: FDG-PET imaging was performed in 24 patients with active inflammatory myopathy (PM, 11; DM, 13). The images were read by radiologists in a blinded manner. FDG uptake into muscles was judged positive when the intensity of muscles was higher than or equal to that of the liver. As controls, FDG imaging findings of patients with a lung mass and without muscle diseases were used. To investigate associations between FDG-PET findings and clinical/laboratory findings, the patients' medical records were reviewed retrospectively. RESULTS: Increased FDG uptake in muscles was found in 8 of 24 (33%) patients. In 67 of 69 (97%) controls without muscle diseases, no muscle FDG uptake was detected. The sensitivity of FDG-PET to detect myositis was lower than that of electromyogram (EMG), magnetic resonance imaging, and muscle biopsy. There were no significant differences in clinical manifestations between patients with and without increased FDG uptake in muscles, although patients with FDG muscle uptake had a tendency to have extended myositis with endomysial cell infiltration. FDG-PET detected neoplasms in patients with associated malignancy. FDG uptake in lungs was found in 7 of 18 patients with interstitial lung disease. CONCLUSION: FDG-PET imaging has limited usefulness for the evaluation of myositis in patients with PM/DM because of its low sensitivity, although it might be useful for detection of malignancy in these patients.
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 ».