CT and 3 Tesla MRI in the TN Staging of Colon Cancer: A Prospective, Blind Study
Notice bibliographique
Résumé
(1) Background: Computer tomography (CT) scanning is currently the standard method for staging of colon cancer; however, the CT based preoperative local staging is far from optimal. The purpose of this study was to investigate the sensitivity and specificity of magnetic resonance imaging (MRI) compared to CT in the T- and N-staging of colon cancer. (2) Methods: Patients underwent a standard contrast-enhanced CT examination. For the abdominal MRI scan, a 3 Tesla unit was used, including diffusion weighted imaging (DWI). Experienced radiologists reported the CT and MRI scans blinded to each other and the endpoint of the pathological report. (3) Results: From 2018 to 2021, 134 patients received CT and MRI scans. CT identified 118 of the 134 tumors, whereas MRI identified all tumors. For discriminating between stage T3ab and T3cd, the sensitivity of CT was 51.1% and of MRI 80.0% (p = 0.02). CT and MRI showed a sensitivity of 21.4% and 46.4% in detecting pT4 tumors and a specificity of 79.0% and 85.0%, respectively. (4) Conclusion: Compared to CT, the sensitivity of MRI was statistically significantly higher in staging advanced T3cd and T4 tumors. MRI has the potential to be used in the treatment planning of colon cancer.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».