Identifying Borderline Ovarian Tumor Recurrence Using Routine Ultrasound Follow-Up
Notice bibliographique
Résumé
Borderline ovarian tumors (BOTs) are non-invasive tumors frequently diagnosed in young patients. Surgical removal of the uterus, fallopian tubes, ovaries, and omentum is considered definitive management, however fertility-sparing approach is a recognized option. Surveillance is important due to known recurrence, but there is controversy over the effectiveness of follow-up modalities. The objective is to determine the efficacy of ultrasound screening in identifying tumor recurrence. This retrospective chart review evaluated all patients consulted and/or treated surgically at our institution from January 2015 to June 2020 diagnosed with BOT. Patients were excluded if concurrently diagnosed with another gynecologic malignancy, did not have yearly ultrasound follow-up, or were lost to follow-up. This study included 56 patients, 17 of whom underwent fertility preserving surgery. The overall rate of recurrence was 10.7%; with recurrence rates of 23.5% for the fertility preserving surgery population and 5.1% for the definitive surgery population. Ultrasound first identified 5 of the 6 (83.3%) recurrences. Overall time to recurrence was 51.5 months. In conclusion, recurrences were identified on routine ultrasound screening prior to symptom onset or detection via physical exam in 83.3% of cases. While the best modality of follow-up remains controversial, this review provides evidence supporting the use of routine ultrasound follow-up for early detection of BOT recurrence.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».