Long-term medical imaging use in children with central nervous system tumors
Notice bibliographique
Résumé
BACKGROUND: Children with central nervous system (CNS) tumors undergo frequent imaging for diagnosis and follow-up, but few studies have characterized longitudinal imaging patterns. We described medical imaging in children before and after malignant CNS tumor diagnosis. PROCEDURE: We conducted a retrospective cohort study of children aged 0-20 years diagnosed with CNS tumors between 1996-2016 at six U.S. integrated healthcare systems and Ontario, Canada. We collected computed topography (CT), magnetic resonance imaging (MRI), radiography, ultrasound, nuclear medicine examinations from 12 months before through 10 years after CNS diagnosis censoring six months before death or a subsequent cancer diagnosis, disenrollment from the health system, age 21 years, or December 31, 2016. We calculated imaging rates per child per month stratified by modality, country, diagnosis age, calendar year, time since diagnosis, and tumor grade. RESULTS: We observed 1,879 children with median four years follow-up post-diagnosis in the U.S. and seven years in Ontario, Canada. During the diagnosis period (±15 days of diagnosis), children averaged 1.10 CTs (95% confidence interval [CI] 1.09-1.13) and 2.14 MRIs (95%CI 2.12-2.16) in the U.S., and 1.67 CTs (95%CI 1.65-1.68) and 1.86 MRIs (95%CI 1.85-1.88) in Ontario. Within one year after diagnosis, 19% of children had ≥5 CTs and 45% had ≥5 MRIs. By nine years after diagnosis, children averaged one MRI and one radiograph per year with little use of other imaging modalities. CONCLUSIONS: MRI and CT are commonly used for CNS tumor diagnosis, whereas MRI is the primary modality used during surveillance of children with CNS tumors.
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 | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».