MRI assessment of pathological stage and surgical margins in anterior prostate cancer (APC) using subjective and quantitative analysis
Notice bibliographique
Résumé
PURPOSE: To evaluate magnetic resonance imaging (MRI) for assessment of extraprostatic extension (EPE) and positive surgical margins (PSM) in anterior prostate cancer (APC). MATERIALS AND METHODS: -weighted-MRI, invasion of AFMS and EPE. Comparisons were performed between APCs by EPE/PSM using chi-square, multivariable analysis, and receiver operator characteristic (ROC) analysis. RESULTS: The prevalence of EPE and PSM were 52% (13/25) and 36% (9/25). Tumor sizes were larger with EPE (22.5 ± 8.4 vs. 14.7 ± 6.3, P = 0.02) and PSM (23.0 ± 9.3 vs. 16.4 ± 7.0, P = 0.06). Area under ROC curve (AUC-ROC) for the diagnosis of EPE by tumor size was 0.77 (95% confidence interval [CI] 0.58-0.95); ≥16 mm size = sensitivity/specificity 69.2/66.7%. Maximal leading edge of tumor was greater with EPE (2.4 ± 2.2 vs. -0.2 ± 3.0) and PSM (2.8 ± 2.3 vs. -0.3 ± 2.5), (P = 0.023, 0.031). AUC-ROC for diagnosis of EPE/PSM by leading edge was 0.78 (CI 0.57-0.97) and 0.75 (CI 0.56-0.94). A ≥1 mm leading edge yielded sensitivity/specificity of 76.9/75.0% and 77.8/62.5% for diagnosis of EPE/PSM. 60-72% (15-18/25) tumors invaded AFMS (k = 0.74), which was not associated with EPE/PSM (P = 0.12-0.14). Radiologists' assessment of EPE had sensitivity/specificity of 61.5-69.2/50.0-75.0% (k = 0.53). CONCLUSION: Tumor size and leading edge of tumor relative to AFMS may enable diagnosis of EPE and positive surgical margins in APC. LEVEL OF EVIDENCE: 2 J. MAGN. RESON. IMAGING 2017;45:1296-1303.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».