A Single-Center Audit of BI-RADS 3 Assessment Category Utilization in Mammography and Breast Ultrasound
Notice bibliographique
Résumé
Purpose: To evaluate outcomes of breast lesions assessed at our institution as probably benign (Breast Imaging Reporting and Data System [BI-RADS] category 3) with an expected malignancy rate of less than or equal to 2 %. Methods: Average-risk women with a BI-RADS 3 assessment following mammographic and/or ultrasound evaluation at our institution between January 1 and December 31, 2017 were included. Cancer yield was calculated within 90 days and at 6-month intervals up to 36 months. Results: Among 517 women (median age, 52 years; range, 13–89 years) with a BI-RADS 3 assessment, 349 (67.5 %) underwent biopsy or completed follow-up imaging up to 36 months. One hundred and 68 (32.5 %) were lost to follow-up. Thirty of 349 (8.6 %) had their imaging upgraded and underwent biopsy, yielding six cancers (cancer yield, 6 of 349 women [1.7 %]). Among 569 lesions assessed as BI-RADS 3, 92 (16.2 %) were characterized by morphologic features other than those validated as probably benign in prospective clinical studies. Fifty three of 517 women (10.3 %) had follow-up beyond 24 months, and 24 (4.6 %) had follow-up beyond 36 months. Conclusion: Overall utilization of the BI-RADS 3 assessment category at our institution is appropriate with a 1.7 % cancer yield. However, the rate of loss to follow-up, percentage of non-validated findings assessed as probably benign, and redundancy in follow-up protocols are too high, and warrant intervention. A patient handout explaining the BI-RADS 3 assessment category and automatic scheduling of follow-up studies have been implemented at our center to address loss to follow-up.
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 | 0,001 | 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 | 0,000 |
| 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 ».