An Algorithmic Approach for Assessment of Mediastinal Lesions Using Conventional Transbronchial Needle Aspiration and Endoscopic Ultrasonography in a Single Procedure
Notice bibliographique
Résumé
Background. In the era of endobronchial/esophageal ultrasound (EBUS-TBNA/EUS-FNA), many centers forgo conventional transbronchial needle aspiration (C-TBNA) in favour of EBUS-TBNA/EUS-FNA despite no conclusive evidence showing better yields with EBUS-TBNA/EUS-FNA. Objectives. Assess the feasibility of an algorithmic approach for mediastinal sampling beginning with C-TBNA utilizing rapid onsite cytologic evaluation. Methods. Descriptive analysis of 92 consecutive patients referred for adenopathy that underwent C-TBNA and subsequent EBUS-TBNA/EUS-FNA if C-TBNA was negative or nondiagnostic. Results. 92 procedures were analyzed. In 50 (54.3%) of cases, C-TBNA alone was sufficient. EBUS-TBNA was performed after C-TBNA in 27 (29.3%) of cases and EUS-FNA in 33 (35.9%) of cases. The yield was 92.9% for C-TBNA, 92.5% for EBUS-TBNA, and 89.7% for EUS-FNA. There were no statistically significant differences in yields by LN station ( P=0.51 ), the relationship between yield and LN size ( P=0.37 ), or time difference in procedures following the algorithm compared to EBUS/EUS only procedures (33.7 minutes versus 32.4 minutes on average [95% CI for difference: −9.1 to 11.7], P=0.80 ). Conclusions. An algorithmic approach to assess the mediastinum using C-TBNA initially is feasible without sacrificing yield or procedure times. C-TBNA was sufficient for diagnosis in 54.3% of cases and can be efficiently taught in an IP training program.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».