Are We Missing Something? The Skin Lesions Not Seen in Teledermatology
Notice bibliographique
Résumé
Background The suspected skin cancer electronic referral pathway was introduced in 2017. It requires general practitioners to add regional, close-up, and dermoscopic images to a lesion-specific referral template for a teledermatologist to review and advise on management. The virtual lesion clinic is a nurse-led clinic used since 2010 to obtain high-quality images for teledermoscopy assessment. A limitation of both services is the absence of a full-body examination. Objective This study aims to evaluate the number of skin cancers missed during teledermatology assessment. Methods This is a retrospective review of skin lesion referrals to dermatology. Suspected skin cancer referrals made in the latter half of 2020 were compared with referrals to the virtual lesion clinic during a similar time period in 2016. Results The study included 481 patients with 548 lesions in the 2020 suspected skin cancer cohort that were matched for age, sex, and ethnicity to 400 patients with 682 lesions in the 2016 virtual lesion clinic cohort. A total of 41 patients underwent subsequent specialist review in the suspected skin cancer cohort compared to 91 in the virtual lesion clinic cohort. A total of 20% of the suspected skin cancer cohort and 24% of the virtual lesion clinic cohort were found to have at least one additional lesion of concern. The majority of these were keratinocytic skin cancers; there were 2 and 0 additional melanomas or melanoma-in-situ, respectively. The virtual lesion clinic nurses identified additional lesions for imaging in 78 of 400 (20%) patients assessed in the virtual lesion clinic. The teledermatologist determined (author AO) that 73% of these additional lesions were malignant. Of the 548 lesions, 10 (2%) in the suspected skin cancer group were rereferred, none of which had a change in diagnosis. Out of 682 lesions, 16 (2%) in the virtual lesion clinic cohort were rereferred, 6 (1%) of which had a change in diagnosis. Conclusions Patients diagnosed with skin cancer often have multiple lesions of concern. Single-lesion teledermoscopy diagnoses have high concordance with in-person evaluation and histology; however, we have shown that in-person examination may reveal other suspicious lesions. The importance of a full-body skin examination should be emphasized to the referrer. Acknowledgments The Waikato Medical Research Foundation provided financial support for the study. Conflicts of Interest None declared.
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 | 0,000 | 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 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 ».