Breast Ultrasound Following a Positive Clinical Breast Examination: Does It Have a Role in Low- and Middle-Income Countries?
Notice bibliographique
Résumé
Purpose: Breast cancer is the most common cancer among women worldwide, with an estimated 1.7 million new cases occurring in 2012. The majority of cases and deaths occur in low- and middle-income countries (LMICs), where population-based mammography screening is not available and countries must rely on clinical breast examination (CBE). Since ultrasound has the potential to reduce unnecessary biopsies by triaging women with palpable or focal breast findings at CBE, we searched for evidence in the literature on the effectiveness of ultrasound in detecting potential breast cancer following positive CBE findings. Methods: We reviewed the literature from 2000 to 2014 for evidence on the performance of breast ultrasound, in the absence of mammography, used to evaluate women after a positive CBE. From the studies meeting our inclusion/exclusion criteria for our analysis, we extracted data on the study design, location, ultrasound transducer parameters, patient age, method for determining positive and negative cases, and number of malignancies detected/total number of women studied. Results: We found 15 studies matching our inclusion/exclusion criteria, 9 from high-income countries and 6 from LMICs. Despite considerable variability in study design and patient populations, breast ultrasound consistently showed high sensitivity (median = 94 percent) and specificity (median = 80 percent) for detecting breast cancer and identifying normal and benign findings not requiring a biopsy. Clear patterns related to transducer frequency or income level were not discernible given the variations in patient populations and final diagnostic determinations. Conclusion: Our systematic review suggests that breast ultrasound following a positive CBE may be a powerful diagnostic test to determine those who do or do not need biopsy. We encourage further research in breast ultrasound use after a positive CBE in LMICs to assess the accuracy of ultrasound in these settings and the feasibility of widespread implementation.
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 | 0,023 | 0,109 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».