Adjunctive Utility of Toluidine Blue in Detecting Dysplastic Cells in Oral Mucosal Lesions in Comparison with Histopathology
Notice bibliographique
Résumé
Introduction: Oral cancer is one of the most common cancers globally and in Sri Lanka, which follows premalignant lesions. It is curable if it is detected early. Several adjunctive methods to diagnose premalignant lesions early are available. Among these, Toluidine blue staining method before a biopsy is currently receiving much attention. Method: This is a prospective study done by studying 103 patients presented to the Oral and Maxillofacial Surgery Unit, District General Hospital, Gampaha, Sri Lanka. The oral lesions of all the patients are categorized as benign, premalignant, and malignant by clinical examination. Toluidine Blue mouth wash is introduced to all the patients, followed by biopsy from the stained sites and the clinically decided sites in non-stained lesions. Histopathological diagnosis was obtained for all cases. The accuracy of diagnosis of premalignant, malignant, and benign cases by clinical assessment and by using Toluidine blue was assessed and compared statistically in relation to sensitivity, specificity, positive predictive and negative predictive values, and likelihood ratios (LR). Results: Toluidine blue has no added advantage over clinical examination in our setup even though it might be helpful in screening. However, it has an added value to confirm clinically benign cases as benign. Conclusion: Toluidine Blue can be used as an adjunct in screening and to confirm clinically benign cases so that those can be followed up in clinics without doing unnecessary biopsies.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».