Measuring Extent of Ductal Carcinoma In Situ in Breast Excision Specimens: A Comparison of 4 Methods
Notice bibliographique
Résumé
Abstract Context. —Measuring the extent of nonpalpable ductal carcinoma in situ (DCIS) in a breast specimen is challenging but important because it influences patient management. There is no standardized method for estimating the extent of DCIS, although serial sequential sampling with mammographic correlation is considered an accurate method. Objective. —To estimate the extent of DCIS using various methods and to compare these estimations with the extent as determined by the serial sequential sampling method. Design. —A total of 78 primary breast excisions with DCIS were retrospectively reviewed. All specimens had been sampled using the serial sequential sampling method, which involved mapping the location of each block on the sliced specimen radiograph and calculating the extent through 3-dimensional reconstruction. The other measures for estimating extent included (1) calculating size based on areas of calcification, (2) recording the number of blocks involved by DCIS and multiplying that number by 0.3 cm, and (3) measuring the largest extent of DCIS on a single slide. Results. —All 3 alternative methods tended to underestimate the DCIS. Discrepancies became more pronounced as size increased. The percentage of cases estimated to within 1 cm of the serial sequential sampling method were 81%, 72%, and 50%, respectively, for the calcification, blocks, and single-slide methods; differences of more than 2 cm were seen in 9%, 8%, and 30% of cases, respectively. Conclusions. —The single-slide method performed poorly and should be used only when DCIS is limited to a single slide. Although the calcification and the blocks methods gave better estimates, both produced substantial underestimates and/or overestimates that could affect clinical decision making.
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 | 0,001 |
| 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 ».