Different Imaging Modalities for the Diagnosis of Axillary Lymph Node Metastases in Breast Cancer: A Systematic Review and Network Meta‐Analysis of Diagnostic Test Accuracy
Notice bibliographique
Résumé
BACKGROUND: Accurate diagnosis of axillary lymph node metastasis (ALNM) of breast cancer patients is important to guide local and systemic treatment. PURPOSE: To evaluate the diagnostic performance of different imaging modalities for ALNM in patients with breast cancer. STUDY TYPE: Systematic review and network meta-analysis (NMA). SUBJECTS: Sixty-one original articles with 8011 participants. FIELD STRENGTH: 1.5 T and 3.0 T. ASSESSMENT: We used the QUADAS-2 and QUADAS-C tools to assess the risk of bias in eligible studies. The identified articles assessed ultrasonography (US), MRI, mammography, ultrasound elastography (UE), PET, CT, PET/CT, scintimammography, and PET/MRI. STATISTICAL ANALYSIS: We used random-effects conventional meta-analyses and Bayesian network meta-analyses for data analyses. We used sensitivity and specificity, relative sensitivity and specificity, superiority index, and summary receiver operating characteristic curve (SROC) analysis to compare the diagnostic value of different imaging modalities. RESULTS: Sixty-one studies evaluated nine imaging modalities. At patient level, sensitivities of the nine imaging modalities ranged from 0.27 to 0.84 and specificities ranged from 0.84 to 0.95. Patient-based NMA showed that UE had the highest superiority index (5.95) with the highest relative sensitivity of 1.13 (95% confidence interval [CI]: 0.93-1.29) among all imaging methods when compared to US. At lymph node level, MRI had the highest superiority index (6.91) with highest relative sensitivity of 1.13 (95% CI: 1.01-1.23) and highest relative specificity of 1.11 (95% CI: 0.95-1.23) among all imaging methods when compared to US. SROCs also showed that UE and MRI had the largest area under the curve (AUC) at patient level and lymph node level of 0.92 and 0.94, respectively. DATA CONCLUSION: UE and MRI may be superior to other imaging modalities in the diagnosis of ALNM in breast cancer patients at the patient level and the lymph node level, respectively. Further studies are needed to provide high-quality evidence to validate our findings. EVIDENCE LEVEL: 3 TECHNICAL EFFICACY: Stage 2.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».