Assessment of Cardiac Masses by Cardiac Magnetic Resonance Imaging: Histological Correlation and Clinical Outcomes
Notice bibliographique
Résumé
Background Cardiac magnetic resonance imaging ( CMR ) provides useful information for characterizing cardiac masses, but there are limited data on whether CMR can accurately distinguish benign from malignant lesions. We aimed to describe the distribution and imaging characteristics of cardiac masses identified by CMR and to determine the diagnostic accuracy of CMR for distinguishing benign from malignant tumors. Methods and Results We examined consecutive patients referred for CMR between May 2008 and August 2013 to identify those with a cardiac mass. In patients for whom there was histological correlation, 2 investigators blinded to all data analyzed the CMR images to categorize the mass as benign or malignant. For benign masses, readers were also asked to specify the most likely diagnosis. Benign masses were defined as benign neoplastic or non-neoplastic. Malignant masses were defined as primary cardiac or metastatic. Of 8069 patients (mean age: 58±16 years; 55% female) undergoing CMR , 145 (1.8%) had a cardiac mass. In most cases (142, 98%), there was a known cardiac mass before the CMR study. Among 145 patients with a cardiac mass, 93 (64%) had a known history of malignancy. Among 53 cases that had histological correlation, 25 (47%) were benign, 26 (49%) were metastatic, and 2 (4%) were malignant primary cardiac masses. Blinded readers correctly diagnosed 89% to 94% of the cases as benign versus malignant, with a 95% agreement rate (κ=0.83). Conclusions Although C MR can be highly effective in distinguishing benign from malignant lesions, pathology remains the gold standard in accurately determining the type of mass.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».