Optimal assessment of residual disease after neo‐adjuvant therapy for locally advanced and inflammatory breast cancer—clinical examination, mammography, or magnetic resonance imaging?
Notice bibliographique
Résumé
PURPOSE: Accurate assessment of residual disease after neo-adjuvant chemotherapy (NEC) for women with locally advanced and inflammatory breast cancer (LABC) is critical for planning surgery. The study's purpose was to prospectively determine the optimal method (clinical examination (CE), mammogram (MG), and magnetic resonance imaging (MRI)) for assessing residual disease after NEC for women with LABC. METHODS: Women with LABC who received NEC and surgery were enrolled. Patient demographics, tumor size as measured by CE, MG, and MRI both before and after NEC, and final pathologic size of tumor were collected. Response to NEC was calculated using RECIST criteria. Paired t-tests and the Pearson correlation were used to compare tumor size on CE, MG, MRI, and final pathology. RESULTS: Forty-eight women with 50 LABC were recruited. Mean pre-NEC tumor size was 8.2, 5.1, and 6.2 cm on CE, MG, and MRI. Mean post-NEC tumor size was 2.4, 4.3, 3.9, and 3.6 cm on CE, MG, MRI, and final pathology. The Pearson correlation co-efficient between post-NEC measurements and pathology was 0.63 (CE), 0.15 (MG), and 0.49 (MRI). CONCLUSION: We found that there was limited correlation between the extent of residual disease after NEC for patients with LABC as assessed by CE, MG, and MRI as compared to final pathology.
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 | 0,001 | 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 | 0,001 |
| 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 ».