Correlations between the Mammographic Features of Triple-Negative and Triple-Positive Breast Cancer
Notice bibliographique
Résumé
Purpose:To comparative analyze the mammographic findings and clinical characteristics of triple negative breast cancer (estrogen receptor [ER] negative, progesterone receptor [PR] negative, and human epidermal growth factor receptor2 [HER2] negative) and triple positive breast cancer (ER positive, PR positive, and HER2 positive). Materials and Methods: The immunohistochemistry results of 174 cases of TNBC and 97 cases of TPBC were reviewed. All of the patients had undergone mammography. Retrospectively evaluate the visibility, morphology, distribution and size of the lesions (masses and calcifications) and breast density on mammography of TNBC, and to compare with those of TPBC. The age onset and pathologic type were also reviewed. Results: TNBC more frequently presented as merely a mass (95/150[63.3%]) than TPBC (34/88 [38.6%]) (P<0.01). TNBC were less frequently associated with microcalcifications (33/150[22%]) than were TPBC (39/88 [44.3%]) (P<0.01). Mammographic density and lesion visibility were similar between the two immunophenotypes. The mean age of TNBC (52[32~87]) was older than that of TPBC (48[26~68]) (P=0.002). Infiltrating ductal carcinoma was the main pathologic type of both groups. Basal-like breast cancer accounted for 47.7% (83/174) of TNBC but didnt express in TPBC (0/97). Conclusion: The mammographic features of TNBC that lesions showed merely a mass with obscured margins, and less associated with microcalcifications might be useful to diagnose triple negative breast cancer.
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) | 0,000 | 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 ».