Performance of Ultrasound for Identifying Morphological Characteristics and Thickness of Cutaneous Basal Cell Carcinoma: A Systematic Review
Notice bibliographique
Résumé
Advances in ultrasound technology and non-surgical treatments of basal cell carcinomas (BCCs) have raised the need to study the performance of high-frequency ultrasound (HFUS) in BCCs. We aimed to assess the performance of HFUS in the evaluation of BCCs to formulate recommendations for its uses and conducted a systematic review of the literature to do so. A search of Central, Medline, Embase, CINHAL, and Web of Science was performed using key/MESH terms "ultrasonography" and "basal cell carcinoma" (January 2005-December 2020). We included primary studies reporting biopsy-confirmed BCCs for which the target intervention was ultrasound assessment at 15 MHz or higher frequency. Thirty articles were included, studying a total of 1,203 biopsy-confirmed BCCs. HFUS provides accurate depth measurements, especially for BCCs >1 mm. The definition of lateral margins in vivo needs further studies; however, ex vivo margin assessment seems convincing. There is a diagnostic role for HFUS in identifying higher recurrence risk BCC subtypes, which can help in risk stratification. Performance of HFUS is significant in BCC management. Pre-surgical scans may support case selection for Mohs. HFUS can improve safety when used to plan brachytherapy treatments, help with case selection and adjunct treatment choice pre-photodynamic therapy. Finally, HFUS can help follow lesions after intervention, particularly non-surgical management, and support the decision to observe or re-intervene. HFUS can enhance clinical practice by providing useful information that cannot be deducted from the clinical examination. It would be recommended to evaluate the extent, mainly depth, and detect the aggressiveness of the BCCs.
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) | 0,001 | 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 ».