18F-FDG PET/CT versus conventional investigations for cancer screening in autoimmune inflammatory myopathy in the era of novel myopathy classifications
Notice bibliographique
Résumé
BACKGROUND: To compare the performance of fluorine-18-fluorodeoxyglucose (F-FDG) PET/computed tomography (CT) and conventional tests for cancer screening in autoimmune inflammatory myopathy (AIM) patients. PATIENTS AND METHODS: We carried out a retrospective cohort study of AIM patients from one academic center in Montreal, Canada, classified using myositis-specific antibodies, who underwent F-FDG PET/CT between April 2005 and February 2018 and were followed up on average 3.5±2.4 years. Patients were excluded if follow-up was insufficient, AIM diagnosis was indeterminate, and/or malignancy was diagnosed before an F-FDG PET/CT scan. Demographic/clinical data, F-FDG PET/CT results, and available conventional screening tests results were retrieved from electronic and paper medical records. RESULTS: 100 F-FDG PET/CT studies in 63 unique patients [31/63 dermatomyositis (DM), 25/63 overlap myositis, 1/63 inclusion body myositis, 1/63 polymyositis, 1/63 orbital myositis and 4/63 unspecified myositis] were evaluated. Three patients, all classified as DM, were diagnosed with cancer during follow-up with conventional cancer screening tests: breast cancer detected by mammography; squamous cell carcinoma of the skin detected by physical examination; and multiple myeloma detected by blood work. F-FDG PET/CT did not detect any malignancy and led to more additional biopsies than conventional screening (8 vs. 5). CONCLUSION: F-FDG PET/CT does not appear to be useful in cancer screening for AIM patients compared with conventional screening and carries potential harms associated with follow-up investigations. The risk of cancer in AIM differs by myositis-specific antibodies-defined subsets and cancer screening is likely to be indicated only in high-risk patients, particularly DM. These results, replicated in larger, multicentered studies, may carry significant consequences for optimal management of AIM and health resource utilization.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».