Utility of preoperative 3 Tesla pelvic phased-array multiparametric magnetic resonance imaging in prediction of extracapsular extension and seminal vesicle invasion of prostate cancer and its impact on surgical margin status: Experience at a Canadian academic tertiary care centre
Notice bibliographique
Résumé
INTRODUCTION: To evaluate the utility of 3 Tesla (3T) pelvic phased-array (PPA) multiparametric magnetic resonance imaging (mpMRI) to predict extracapsular extension (ECE) and seminal vesicle invasion (SVI) and its subsequent effect on radical prostatectomy (RP) surgical margin status. METHODS: A retrospective evaluation was conducted of RP patients who underwent preoperative 3T PPA mpMRI (without endorectal coil) based on clinical probability of adverse pathological features. Frequencies, specificity, sensitivity, positive predictive value (PPV), and negative predictive value (NPV) of mpMRI in predicting the status of ECE and SVI were calculated. RESULTS: -weighted sequences with diffusion-weighted imaging (DWI) and dynamic contrast enhanced (DCE) imaging to predict ECE was 39%, 56%, 45%, and 50%, respectively, while SVI prediction was 33%, 95%, 50%, and 91%, respectively. Twelve of the 28 cases predicted as being negative for ECE had positive margins, while two of the 20 cases predicted to be positive for ECE had positive margins. Imaging predicted four cases would have SVI, yet two had positive margins, while of the 44 cases predicted as being negative for SVI, four had positive margins. CONCLUSIONS: -weighted sequences with DWI and DCE in predicting pathological ECE and SVI is of questionable benefit. These mpMRI reports may result in closer dissection of neurovascular bundles and subsequent positive surgical margins. Caution should be exercised when basing intraoperative decisions on mpMRI findings.
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 | 0,001 |
| 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) | 0,000 | 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 ».