Initial experience and cancer detection rates of office-based transperineal magnetic resonance imaging-ultrasound fusion prostate biopsy under local anesthesia
Notice bibliographique
Résumé
INTRODUCTION: We aimed to demonstrate feasibility and cancer detection rates of office-based ultrasound-guided transperineal magnetic resonance imaging-ultrasound (MRI-US) fusion (TFB) prostate biopsy under local anesthesia. METHODS: With institutional review board approval, records of men undergoing TFB in the office setting under local anesthesia were reviewed. Baseline patient characteristics, MRI findings, cancer detection rates, and complications were recorded. The PrecisionPoint Transperineal Access System (Perineologic, Cumberland, MD, U.S.), along with UroNav 3.0 image-fusion system (Invivo International, Best, The Netherlands) were used for all procedures. Following biopsy, men were surveyed to assess patient experience. RESULTS: Between January 2019 and February 2020, 200 TFBs were performed, of which 141 (71%) were positive for prostate cancer, with 117 (83%) Gleason grade group 2 or higher. A total of 259 of 265 MRI lesions were biopsied, with 127 (49%) positive overall. Prostate Imaging-Reporting and Data System (PI-RADS) 4-5 lesions were positive for prostate cancer in 59% of cases. The mean procedural time was 20 minutes, with a patient enter-to-exit room time of 54 minutes. There were no septic complications, no patients required post-procedure hospital admission, and all procedures were successfully completed. Seventy-five percent of patients surveyed reported complete resolution of pain at three days following the procedure. CONCLUSIONS: Office-based TFB represents a viable approach to prostate cancer detection following prostate MRI. Larger-scale assessment is needed to categorize cancer detection rates more accurately by PI-RADs subset, patient selection factors, complication rate, and cost relative to TFB under anesthesia.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».