British Society of Breast Radiology
Notice bibliographique
Résumé
Background: Definitive diagnosis of a phyllodes tumour can only be done after excision of the lesion.However, malignant and borderline phyllodes require resection with a margin while benign phyllodes and fibroadenomas do not.Pre-operative prediction of the need for a margin will be advantageous.Methods: 31 lesions with a core biopsy suggestive of a phyllodes tumour were identified.Mammographic, ultrasound (US), and demographic data (age and source) were assessed while blinded to surgical outcomes.The features of lesions requiring a margin and those that did not were compared.Statistical analysis used Chi-square Fisher's exact test and ROC curves.Results: Of 31 assessed lesions, 13 required a margin and 18 did not.There were 6 screening-detected lesions, which were benign.Features found more frequently in those requiring a margin were poorly-defined margin on mammography [7/9 (78%) vs 4/13 (31%) p =0.04]; on ultrasound, irregular shape [8/13 (62%) vs 3/18 (17%) p= 0.01], microlobulations [7/13 (54%) vs 3/18 (17%) p = 0.028], mixed echogenicity [9/13 (69%) vs 1/18 (6%) p = 0.0002], echogenic clefts [6/13 (46%) vs 1/18 (6%) p = 0.007), BIRADS score > 3 [11/13 (85%) vs 9/18 (50%) p=0.047], distal enhancement [9/11 (82%) vs 6/18 (33%) p=0.01], ultrasound size and stiffness at shear-wave elastography, were also predictors: area under the curve (AUC) 0.76, p=0.003 and AUC 0.71, p=0.026 respectively. Conclusion(s):We have identified pre-operative features which can be used to guide surgical choice of margin when excising lesions with a core biopsy suggestive of a phyllodes tumour.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,334 | 0,258 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».