MétaCan
Menu
Retour à la cohorte
Enregistrement W2789140310 · doi:10.21037/qims.2018.01.06

Gadofosveset-enhanced magnetic resonance imaging as a problem-solving tool for diagnosing colorectal liver metastases: a case report

2018· article· en· W2789140310 sur OpenAlexaff
Helen Cheung, Paul J. Karanicolas, Natalie G. Coburn, Calvin Law, Laurent Milot

Notice bibliographique

RevueQuantitative Imaging in Medicine and Surgery · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueHepatocellular Carcinoma Treatment and Prognosis
Établissements canadiensHealth Sciences CentreSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineMagnetic resonance imagingRadiologyColorectal cancerContrast (vision)CancerInternal medicine

Résumé

récupéré en direct d'OpenAlex

Due to significant improvements in morbidity and mortality, surgery with curative intent is now the standard of care for patients with colorectal liver metastases who are surgical candidates. As a result, highly accurate preoperative per-lesion diagnosis is crucial. However, in some instances, this remains limited with standard techniques, including magnetic resonance imaging (MRI) with conventional contrast agents. Delayed retention of contrast of fibrotic liver metastases on MRI with extracellular contrast agents may mimic the late retention of contrast in hemangiomas and represent a diagnostic pitfall that limits diagnosis. Early preliminary work suggests that this imaging pitfall may not be seen on MRI with intravascular contrast agents (e.g., gadofosveset). This case report describes a surgical patient with colorectal liver metastases where gadofosveset-enhanced liver MRI was helpful in determining patient management.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,448
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
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 Opus0,081
Tête enseignante GPT0,326
Écart entre enseignants0,245 · 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.

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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuantitative Imaging in Medicine and SurgeryMême sujetHepatocellular Carcinoma Treatment and PrognosisTravaux en français237 207