MétaCan
Menu
Retour à la cohorte
Enregistrement W2290771137 · doi:10.6000/1929-2279.2016.05.01.4

Intensive FDG-PET/CT Uptake Suggestive of Malignancy Misleading the Diagnosis of Sclerosing Pneumocytoma

2016· article· en· W2290771137 sur OpenAlexvenueno aff
Sarra Zairi, Antoine Legras, Laure Gibault, Nadia Ghazzar Pierque, C. Pricopi, Françoise Le Pimpec‐Barthes

Notice bibliographique

RevueJournal of cancer research updates · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging and Pathology Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineMalignancyNodule (geology)RadiologySolitary pulmonary nodulePositron emission tomographyPathologicalLungComputed tomographyNuclear medicinePathologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Introduction: Combined Positron Emission Tomography-Computed Tomography with 18-fluoro-desoxy-glucose (FDG-PET/CT) is highly sensitive in differentiating malignant from benign pulmonary lesions and is part of the current recommended practices for non-invasive lung nodule assessment. However, many solid pulmonary nodules may show misleading miscellaneous features and can be mistakenly diagnosed as malignant lesions. Case Report: Herein we report the case of a passive smoking female patient with multiple comorbidities, who was referred for a solitary pulmonary nodule randomly discovered. Chest imaging showed a middle lobe 16-mm nodule with an intensive uptake (SUVmax 7.6) highly suggestive of malignant origin. The patient underwent middle lobectomy with radical lymphadenectomy because the malignancy was not excluded on frozen section. Definitive pathological examination showed a sclerosing pneumocytoma. Conclusion: FDG-PET/CT is an accurate imaging tool for assessment of solid pulmonary nodules. However, false positive results of some benign lesions have to be kept in mind. Therefore, FDG-PET/CT features have to be interpreted according to the patients background and clinical data, in order to provide the best appropriate management.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,406
Score d'incertitude au seuil0,744

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,134
Tête enseignante GPT0,438
Écart entre enseignants0,305 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of cancer research updatesMême sujetMedical Imaging and Pathology StudiesTravaux en français237 207