The Continuing Importance of Transrectal Ultrasound Identification of Prostatic Lesions
Notice bibliographique
Résumé
PURPOSE: In light of a recent tendency toward systematic nontargeted biopsy we reassessed whether identification and biopsy of ultrasonographically suspicious lesions contribute to the detection of prostate cancer. MATERIALS AND METHODS: We reviewed prospectively gathered data on 7,426 transrectal ultrasound directed prostatic biopsies performed at our institution between June 16, 2000 and September 1, 2005. Patients underwent systematic biopsy (6 to 10 cores on initial biopsy and 13 to 15 on rebiopsy) with additional sampling of visible suspicious lesions. The RR for finding cancer in transrectal ultrasound positive and negative patients was calculated for likely independent prognostic variables. RESULTS: A total of 3,828 biopsies (51.5%) were transrectal ultrasound negative and 3,598 (48.5%) were transrectal ultrasound positive. Prostate cancer was detected in 3,258 biopsies (43.9%). For each independent variable the RR for prostate cancer was higher if a sonographic lesion was present. A lesion increased the likelihood of cancer detection (57.8% vs 30.8%, RR 1.8). Biopsies from lesions identified by transrectal ultrasound had a greater median percent of the core involved with cancer (50% vs 10%, p <0.001) and they were more likely to have Gleason score 7 or greater (69.3% vs 28.3%, p <0.001). CONCLUSIONS: Biopsies taken when a prostatic lesion is identified by transrectal ultrasound are almost twice as likely to show cancer than when no lesion is visible. These cancers are of higher grade and volume and, therefore, they are more clinically significant. The search for and targeted biopsy of suspicious lesions seen on transrectal ultrasound remains important for prostate cancer diagnosis.
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 | 0,000 |
| 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 ».