Revisiting classic MRI findings of venous malformations: Changes in protocols may lead to potential misdiagnosis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction Magnetic resonance imaging (MRI) is most sensitive and specific for characterizing venous malformations (VMs). VMs typically demonstrate central enhancement on delayed-contrast imaging. Fluid-fluid levels (FFLs) are uncommon in VMs and common in lymphatic malformations (LMs). Technology has advanced since the initial description of these findings. Rates of detection of these MRI findings in VMs may have changed as MRI technology and techniques have evolved. Methods and methods A prospectively maintained database from a multidisciplinary vascular anomalies clinic was reviewed to identify patients with final diagnosis of VM or LM. Patients with reviewable contrast-enhanced MRIs were selected, reviewing the oldest MRI studies in the database against the newest MRI studies to identify equal numbers of patients from the temporal extremes. Imaging was reviewed to assess for presence of FFLs. Enhancement was quantified by measuring signal in the same location of the lesion both on pre- and postcontrast sequences Results Forty patients were identified for analysis. Twenty studies with sufficient archived imaging for review were performed between 1995 and 2006; 20 such studies were performed between 2011 and 2012. The new imaging cohort had higher rates of FFL visualization ( p = 0.001). Correlation was found between time to imaging following contrast and degree of enhancement ( p < 0.001). Inverse correlation was found between scan date and time to contrast ( p = 0.001) and scan date and enhancement ( p = 0.021). Conclusion FFLs should no longer be considered exclusionary for the diagnosis of VMs. Timing following contrast administration should be maximized to increase degree of enhancement to confirm the diagnosis of VMs.
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.
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 | 0,001 | 0,000 |
| 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 découle