Is the false-positive rate in mammography in North America too high?
Notice bibliographique
Résumé
The practice of investigating pathological abnormalities in the breasts of females who are asymptomatic is primarily employed using X-ray mammography. The importance of breast screening is reflected in the mortality-based benefits observed among females who are found to possess invasive breast carcinoma prior to the manifestation of clinical symptoms. It is estimated that population-based screening constitutes a 17% reduction in the breast cancer mortality rate among females affected by invasive breast carcinoma. In spite of the significant utility that screening confers in those affected by invasive cancer, limitations associated with screening manifest as potential harms affecting individuals who are free of invasive disease. Disease-free and benign tumour-bearing individuals who are subjected to diagnostic work-up following a screening examination constitute a population of cases referred to as false positives (FPs). This article discusses factors contributing to the FP rate in mammography and extends the discussion to an assessment of the consequences associated with FP reporting. We conclude that the mammography FP rate in North America is in excess based upon the observation of overtreatment of in situ lesions and the disproportionate distribution of detriment and benefit among the population of individuals recalled for diagnostic work-up subsequent to screening. To address the excessive incidence of FPs in mammography, we investigate solutions that may be employed to remediate the current status of the FP rate. Subsequently, it can be suggested that improvements in the breast-screening protocol, medical litigation risk, image interpretation software and the implementation of image acquisition modalities that overcome superimposition effects are promising solutions.
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) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».