Digital versus screen film mammography: Impact on positive predictive values following transition.
Notice bibliographique
Résumé
12 Background: The Calgary Health Region changed from screen film mammography (SFM) to digital mammography (DM) in 2005. This retrospective study was designed to determine the effect of this conversion on positive predictive values (PPV) for cancerous and precancerous breast lesions. Methods: In the Calgary region, biopsies for mammographic calcifications are only done at Foothills Medical Centre (FMC) by a small group of mammographers employing homogeneous techniques. From FMC’s database, we reviewed core biopsy data for mammographic calcifications in the years 2002-2004 (SFM years) and 2008-2010 (DM years). Mammographic masses were excluded. We determined PPVs for each set of years for detection of cancerous lesions (PPV3for calcifications). We further calculated the PPVs of SFM and DM for detection of high-risk lesions, including ADH, ALH, LCIS, and papilloma collectively (precancerous lesions). The detection rates of benign lesions (excluding precancerous lesions) after biopsy were also determined. Statistical analysis was performed using two-tail z-tests. Results: 3,778 biopsies in 3,544 patients were reviewed. The difference in overall detection rate of cancer after biopsy for mammographic calcification between SFM (PPV3 = 24.7%) and DM (PPV3 = 23.8%) was not statistically significant (p = .53). On further analysis, the PPV for precancerous lesions increased (p < .0001) in DM (11.6%) versus SFM (7.8%). No significant difference (p = .065) was found in detection of benign lesions. Conclusions: In comparing DM to SFM, we found no significant change in PPV3 with respect to calcifications. However, with DM, there was a statistically significant increase in detection of lesions considered at risk for future malignancy. Given that the natural history of these premalignant lesions is incompletely understood, the significance of this finding is in question. This potential trend could be further strengthened by determining PPV1for cancerous and precancerous lesions with respect to calcifications. [Table: see text]
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 | 0,004 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».