Quality of preoperative pelvic computed tomography (CT) and magnetic resonance imaging (MRI) for rectal cancer in a region in Ontario: A retrospective population‐based study
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Treatment decisions for rectal cancer rely on preoperative staging with CT and MRI scans. We assessed the quality of such scans in a region of Ontario. METHODS: We retrospectively collected data for patients undergoing rectal cancer surgery between July 2011 and December 2014. We measured three aspects of quality: use; comprehensiveness of reporting T-category, N-category, mesorectal fascia (MRF) status; and in non-radiated patients sensitivity and specificity of reports for relevant elements. RESULTS: A total of 559 patients underwent major rectal cancer surgery. Preoperative staging with CT and MRI was performed in 93% and 50% of patients. CT scan reports provided information on T-category, N-category, and MRF status in 41%, 92%, and 16% of cases. These same elements were reported on MRI in 88%, 93%, and 62% of cases. CT scan sensitivity and specificity was 80% and 80% for T-category, and 85% and 39% for N-category. MRI sensitivity and specificity was 75% and 81% for T-category, 79% and 37% for N-category, and 33% and 89% for MRF status. CONCLUSION: In this region of Ontario, pre-operative MRI was underutilized, CT reporting of MRF status was low, and when reported sensitivity and specificity of T- and N-category were similar for CT and MRI.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».