Population-based assessment of the National Comprehensive Cancer Network recommendations for baseline imaging of rectal cancer
Notice bibliographique
Résumé
Aim: To examine the performance characteristics of alternative criteria for baseline staging, in a cohort of contemporary rectal cancer patients from the Surveillance, Epidemiology and End Results (SEER) database. Methods: The SEER database (2010–2015) was accessed and patients with rectal cancer plus complete information on clinical T and N stages as well as metastatic sites were evaluated. We examined various performance characteristics of baseline imaging, including specificity, sensitivity, number needed to investigate (NNI), positive predictive value (PPV), negative predictive value and accuracy. Results: A total of 15,836 rectal cancer patients were included. Based on current guidelines that suggest cross-sectional chest and abdominal imaging for all cases of invasive rectal cancer, these recommendations would yield a PPV of 11.9% for the detection of liver metastases and 6.2% for the detection of lung metastases. This would translate to an NNI of 8.4 for liver metastases and an NNI of 16.1 for lung metastases. When patients with T1N0 were excluded from routine imaging, this resulted in a PPV of 6.4% and an NNI of 15.6 to identify one case of lung metastasis. Likewise, this resulted in a PPV of 12.3% and an NNI of 8.0 to detect one case of liver metastasis. Similarly, when patients with either T1N0 or T2N0 were excluded from routine imaging, the PPV and NNI for lung metastases improved to 6.6% and 15.1, respectively, and the PPV and NNI for liver metastases improved to 12.6 and 7.9%, respectively. Conclusion: Our study suggests that the specificity of the current imaging approach for rectal cancer staging is limited and that the omission of chest and abdominal imaging among selected early stage asymptomatic cases may be reasonable to consider.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».