The Impact of Pre-Operative Breast MRI on Surgical Waiting Time
Notice bibliographique
Résumé
PURPOSE: To assess the impact of pre-operative breast MRI on surgical waiting time, and to identify factors contributing to the delay. MATERIALS AND METHODS: A retrospective cohort study involving 1274 patients was conducted after obtaining institutional ethics review. Surgical candidates for newly diagnosed breast cancer from 2007 to 2013 at a tertiary center were divided into 2 groups: those who had pre-operative MRI and those who did not. Linear regression using matched populations was used to compare the surgical waiting times, defined as time from the date of the first positive biopsy to the date of surgery. Potential influences on surgical waiting time and subgroup analysis were obtained using median regression analysis and the Kruskal-Wallis test. RESULTS: Mean surgical waiting time was 57.9 days (95% CI: 55.6-60.1) for MRI patients, compared to 46.8 days (95% CI: 45.1-48.9) for the control group, after matching for potential confounding factors (p<0.0001). Increased surgical waiting time was associated with more favorable pathology, later year of diagnosis, older patient age, surgeon and summer time. Second-look ultrasound and subsequent biopsies were associated with increased waiting time (p = 0.001). CONCLUSIONS: Pre-operative breast MRI increased surgical waiting time by 11 days using a conventional average of differences, and by 12 days after using a full matching statistical method (p<0.0001), with the main contributor being additional post-MRI procedures and imaging.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 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 ».