MétaCan
Menu
← Retour à la cohorte
Enregistrement W2285793395 · doi:10.1200/jco.2012.30.27_suppl.51

Estimation of additional MRI resources needed in British Columbia for screening high-risk women for breast cancer.

2012· article· en· W2285793395 sur OpenAlexaffabout
Rasika Rajapakshe, Christabelle Bitgood, Steven McAvoy, Cynthia Araujo, Paula B. Gordon, Andy Coldman

Notice bibliographique

RevueJournal of Clinical Oncology · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusB.C. Women's Hospital & Health CentreBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésMedicineBreast cancerMammographyFamily historyGynecologyEstimationPopulationBreast cancer screeningBreast MRILifetime riskFamily medicineDemographyCancerObstetricsEnvironmental healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

51 Background: Screening women at high risk with MRI has been shown to detect breast cancer at an early stage. Therefore, MRI screening has been recommended in the UK and USA for women who are at a high risk of developing breast cancer. However, there is no information available in the province of British Columbia (BC) about the number of women who have a high risk of developing breast cancer. Therefore, we carried out a study to estimate the breast cancer risk distribution in three sample populations in BC using Tyrer-Cuzick (TC) risk prediction model so that additional resource requirement for MRI breast screening can be calculated. Methods: A survey questionnaire was designed based on the TC model, which includes family history, hormonal factors, and benign breast disease. Additional questions also include factors that are used in other models (Gail, Claus, and BCRAPRO) as well as factors that may be included in the future. Women were recruited by staff and volunteers at three screening mammography clinics: Kelowna, Victoria General Hospital, and BC Women’s Health Centre in Vancouver. The survey was available to women to complete on the web, by phone, or on paper. An online database was constructed to store and query the data. The 10-year risk of developing breast cancer for each woman was calculated using the Tyrer-Cuzick IBIS Risk Evaluator software and the risk distribution of the survey population was analyzed. Results: Data from 3,200 women recruited from three sites, gives a risk distribution showing 2.6% are at high risk of developing breast cancer, 31.2% are at moderate risk, and 66.2% are at low risk. Based on NICE guidelines (UK), high risk is defined as having a 10-year risk of greater than 8%, moderate risk as 3-8%, and low risk as less than 3%. Extrapolating this to the approximately 500,000 women who are eligible to attend for screening mammography in BC, 13,000 women are considered at high risk. Conclusions: Our results indicate that 2.6% of women ages 40-79 attending screening mammography in BC may have a very high risk of developing breast cancer based on personal and family history. Based on a 14-hour work day, three additional MRI scanners would be required to implement MRI screening for these high-risk women in BC.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,071
Score d'incertitude au seuil0,143

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,415
Écart entre enseignants0,378 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetRadiomics and Machine Learning in Medical Imaging→Travaux en français237 207→