MétaCan
Menu
Retour à la cohorte
Enregistrement W2518058354 · doi:10.1097/mnm.0000000000000568

Prospective comparison of whole-body bone SPECT and sodium 18F-fluoride PET in the detection of bone metastases from breast cancer

2016· article· en· W2518058354 sur OpenAlexfundno aff
Gad Abikhzer, Saher Srour, Georgeta Fried, Karen Drumea, Ela Kozlener, Alex Frenkel, Ora Israel, Ignac Fogelman, Olga Kagna

Notice bibliographique

RevueNuclear Medicine Communications · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesAzrieli FoundationIsrael Cancer Association
Mots-clésNuclear medicineMedicineBreast cancerBone scintigraphyPET-CTPositron emission tomographyRadiologyCancerInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The superiority of sodium F-fluoride PET (F-PET)/computed tomography (CT) over planar and single field-of-view single-photon emission computed tomography (SPECT) bone scintigraphy with Tc-methylene diphosphonate in bone metastases detection has been established. The present study prospectively compares whole-body Tc-methylene diphosphonate SPECT (WB-SPECT) and F-PET performance indices for the detection of bone metastases in breast cancer. METHODS: A total of 41 pairs of studies in female breast cancer patients (average age 58 years, range 30-75) were included. Half-time WB-SPECT and F-PET/CT were performed at a 4-day average interval (range 0-36 days), with subsequent fusion of CT to WB-SPECT. Two readers independently interpreted the studies, with differences resolved by consensus. Composite gold standard included the CT component of the F-PET/CT study with follow-up CT, MRI, F-fluoro-deoxyglucose-PET/CT, and bone scans. RESULTS: On patient-based analysis, metastases were diagnosed in 21 patients, with 19 patients detected by WB-SPECT and 21 with F-PET, the latter being the only modality to detect a single metastasis in two patients. The sensitivity of WB-SPECT and F-PET was 90 and 100% (P=NS), and the specificity were 95 and 85%, respectively (P=NS). On lesion-based analysis, 284 total sites of increased uptake were found. WB-SPECT detected 171/284 (60%) and F-PET 268/284 (94%) lesions, with good interobserver agreement for WB-SPECT (κ=0.679) and excellent agreement for F-PET (κ=0.798). The final analysis classified 204 lesions as benign and 80 as metastases. WB-SPECT identified 121 benign and 50 malignant sites compared with 192 and 76, respectively, for F-PET. WB-SPECT and F-PET had a sensitivity of 63 vs. 95%, P-value of less than 0.001, and a specificity of 97 vs. 96% (P=NS), respectively, on lesion-based analysis. CONCLUSION: F-PET had higher sensitivity for the diagnosis of bone metastases from breast cancer compared with WB-SPECT, showing a statistically significant 32% increase on lesion-based analysis.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,352
Écart entre enseignants0,314 · 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

Citations29
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNuclear Medicine CommunicationsMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207