Small volume biopsy diagnostic yield at initial diagnosis versus recurrence/transformation of follicular lymphoma: A retrospective Cyto‐Heme Interinstitutional Collaborative study
Notice bibliographique
Résumé
BACKGROUND: Few studies have evaluated diagnostic yield of small volume biopsies (SVB) for the diagnosis and management of follicular lymphoma (FL). METHODS: The authors performed a multi-institutional retrospective analysis of SVBs including fine-needle aspiration (FNA) and needle core biopsy (NCB) for initial FL diagnosis and suspected recurrence or transformation of FL. A total of 676 workups beginning with SVB were assessed for the mean number of biopsies per workup, the proportion of workups requiring multiple biopsies, and the proportion with a complete diagnosis including grade, on initial biopsy. RESULTS: Compared to workups performed for question transformation/recurrence, those done for initial FL diagnosis were significantly more likely to require multiple biopsies (p < .01), had a higher mean number of biopsies per workup (1.7 vs. 1.1, absolute standardized difference = 1.1), and a lower complete diagnosis rate at initial biopsy (39% vs. 56%). At initial FL diagnosis, NCB +/- FNA was associated with fewer biopsies per workup compared to FNA +/- CB (1.2 vs. 1.9), fewer workups requiring multiple biopsies (23% vs. 83%), and a higher complete diagnosis rate (71% vs. 18%). In contrast, during assessment for transformation/recurrence, NCB and FNA showed a similar mean number of biopsies per workup (1.2 vs. 1.2) and few workups required multiple biopsies (6% vs. 19%). CONCLUSIONS: SVB at initial FL diagnosis often required additional biopsies to establish a complete diagnosis. In contrast, when assessing for transformed/recurrent FL, additional biopsies were generally not obtained regardless of SVB type, suggesting that in these clinical settings SVB may be sufficient for clinical decision-making.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 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 ».