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 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 | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».