MétaCan
Menu
Retour à la cohorte
Enregistrement W2724605733 · doi:10.3747/co.24.3441

Breast Magnetic Resonance Imaging: Are Those Who Need It Getting It?

2017· article· en· W2724605733 sur OpenAlexaffvenue
Stéphanie Tan, Julie David, Lucie Lalonde, Mona El Khoury, Martin Labelle, Rami Younan, E. Patocskai, Jean‐Baptiste Richard, Isabelle Trop

Notice bibliographique

RevueCurrent Oncology · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueMRI in cancer diagnosis
Établissements canadiensMontreal General HospitalUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineBreast MRIBreast cancerMagnetic resonance imagingAuditBreast imagingRadiologyMammographyCancerInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Indications for breast magnetic resonance imaging (mri), a very sensitive but less-specific tool for breast investigation, remain controversial, and accessibility is limited. The purposes of our study were to determine the proportion of breast mri exams performed for various clinical indications, to assess the wait times for breast mri, and to create a list of evidence-based indications for breast mri. METHODS: The indications for breast mri exams performed in September 2013 at our academic centre were audited. A multidisciplinary meeting held in May 2014 established a list of evidence-based indications for breast mri, after which, in September 2014 and 2015, breast mri exams were re-audited for clinical indications, and pending requests were calculated. RESULTS: In September 2013, surveillance of women with a prior diagnosis of breast cancer represented 21% of breast mri exams (24 of 113), with preoperative staging representing 18% of exams (20 of 113) and high-risk screening representing 12% (13 of 113). Of pending mri requests, 230 were within the recommended delay period, and 457 exceeded the recommended delay. After elaboration of evidence-based guidelines, repeat audits in September 2014 and September 2015 showed that mri performed for women with a prior breast cancer diagnosis represented 23% (33 of 141) and 7% (10 of 143) of exams respectively, with preoperative staging having declined to 9% (13 of 141) and 11% (16 of 143) of exams, and high-risk screening having increased to 36% (51 of 141) and 46% (66 of 143) of exams. Overall, wait times were improved for all breast mri indications. CONCLUSIONS: Through multidisciplinary discussion, we actualized a list of breast mri indications, prioritized requests more adequately, and improved wait times.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,032
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,005
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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 Opus0,103
Tête enseignante GPT0,425
Écart entre enseignants0,322 · 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 source (Gemma direct ou Codex distillé), 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

Citations9
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetMRI in cancer diagnosisTravaux en français237 207