Clinical safety and efficacy of a fully automated robot for magnetic resonance imaging‐guided breast biopsy
Notice bibliographique
Résumé
BACKGROUND: Magnetic resonance imaging (MRI)-guided biopsies are an accurate, but technically challenging, method for screening and diagnosis of breast lesions. This study assesses the safety and efficacy of an Image Guided Automated Robot (IGAR) in performing breast biopsies compared to manual procedures. METHODS: Safety was determined from adverse events (AEs) and device deficiencies. Efficacy was assessed using targeting accuracy, number of successful biopsies, pain and scar scores, patient discomfort, and radiologist-determined ease-of-use. RESULTS: All seven procedures in phase I were successfully and safely completed with no AEs and one device deficiency. The 23 IGAR biopsies in phase II outperformed the 18 manual biopsies in 1-week pain scores (p = 0.027), scarring at 1-week (p = 0.035), 1-month (p = 0.004), and components of comfort and ease-of-use. Phase II had seven and three AEs in the IGAR and manual groups, respectively (p = 0.317), with no serious AEs and nine device deficiencies. CONCLUSIONS: The IGAR system is safe and effective for breast biopsy procedures. The results from these trials indicate the IGAR system as a potentially viable alternative to manual breast biopsy procedures.
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 | 0,002 | 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 | 0,000 |
| 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 ».