MétaCan
Menu
Retour à la cohorte
Enregistrement W2603979369 · doi:10.2967/jnumed.116.185389

Correlation of <sup>18</sup>F-FDG PET and MRI Apparent Diffusion Coefficient Histogram Metrics with Survival in Diffuse Intrinsic Pontine Glioma: A Report from the Pediatric Brain Tumor Consortium

2017· article· en· W2603979369 sur OpenAlexaff
Katherine Zukotynski, Sridhar Vajapeyam, Frederic H. Fahey, Mehmet Koçak, Douglas L. Brown, Kelsey I. Ricci, Arzu Onar‐Thomas, Maryam Fouladi, Tina Young Poussaint

Notice bibliographique

RevueJournal of Nuclear Medicine · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueGlioma Diagnosis and Treatment
Établissements canadiensMcMaster University
Organismes subventionnairesNational Cancer Institute
Mots-clésNuclear medicineMedicineEffective diffusion coefficientKurtosisMagnetic resonance imagingPositron emission tomographyDiffusion MRIHistogramGliomaHazard ratioRadiologyConfidence intervalInternal medicineMathematics

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to describe baseline <sup>18</sup>F-FDG PET voxel characteristics in pediatric diffuse intrinsic pontine glioma (DIPG) and to correlate these metrics with baseline MRI apparent diffusion coefficient (ADC) histogram metrics, progression-free survival (PFS), and overall survival. <b>Methods:</b> Baseline brain <sup>18</sup>F-FDG PET and MRI scans were obtained in 33 children from Pediatric Brain Tumor Consortium clinical DIPG trials. <sup>18</sup>F-FDG PET images, postgadolinium MR images, and ADC MR images were registered to baseline fluid attenuation inversion recovery MR images. Three-dimensional regions of interest on fluid attenuation inversion recovery MR images and postgadolinium MR images and <sup>18</sup>F-FDG PET and MR ADC histograms were generated. Metrics evaluated included peak number, skewness, and kurtosis. Correlation between PET and MR ADC histogram metrics was evaluated. PET pixel values within the region of interest for each tumor were plotted against MR ADC values. The association of these imaging markers with survival was described. <b>Results:</b> PET histograms were almost always unimodal (94%, vs. 6% bimodal). None of the PET histogram parameters (skewness or kurtosis) had a significant association with PFS, although a higher PET postgadolinium skewness tended toward a less favorable PFS (hazard ratio, 3.48; 95% confidence interval [CI], 0.75–16.28 [<i>P</i> = 0.11]). There was a significant association between higher MR ADC postgadolinium skewness and shorter PFS (hazard ratio, 2.56; 95% CI, 1.11–5.91 [<i>P</i> = 0.028]), and there was the suggestion that this also led to shorter overall survival (hazard ratio, 2.18; 95% CI, 0.95–5.04 [<i>P</i> = 0.067]). Higher MR ADC postgadolinium kurtosis tended toward shorter PFS (hazard ratio, 1.30; 95% CI, 0.98–1.74 [<i>P</i> = 0.073]). PET and MR ADC pixel values were negatively correlated using the Pearson correlation coefficient. Further, the level of PET and MR ADC correlation was significantly positively associated with PFS; tumors with higher values of ADC–PET correlation had more favorable PFS (hazard ratio, 0.17; 95% CI, 0.03–0.89 [<i>P</i> = 0.036]), suggesting that a higher level of negative ADC–PET correlation leads to less favorable PFS. A more significant negative correlation may indicate higher-grade elements within the tumor leading to poorer outcomes. <b>Conclusion:</b><sup>18</sup>F-FDG PET and MR ADC histogram metrics in pediatric DIPG demonstrate different characteristics with often a negative correlation between PET and MR ADC pixel values. A higher negative correlation is associated with a worse PFS, which may indicate higher-grade elements within the tumor.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,018
Score d'incertitude au seuil0,533

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,017
Tête enseignante GPT0,265
Écart entre enseignants0,248 · 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'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

Citations36
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nuclear MedicineMême sujetGlioma Diagnosis and TreatmentTravaux en français237 207