Diagnostic Accuracy of Positron Emission Tomography-Computed Tomography (PET-CT Scan) In Detecting Bone Marrow Involvement in Patients with Diffuse Large B cell Lymphoma
Notice bibliographique
Résumé
Objective: To evaluate the diagnostic accuracy of positron emission tomography combined with CT scan (PET-CT Scan) in detecting bone marrow involvement in patients with diffuse large B-cell lymphoma, keeping bone marrow biopsy as gold standard. Methodology: From November 2017 to May 2018, a cross sectional validation study was carried out at the Aga Khan University in Karachi Department of Oncology's Section of Clinical Hematology. The study comprised a total of 112 patients who were identified as having diffuse large B cell lymphoma after a lymph node was implicated was histopathologically examined. All patients had a PET-CT scan and bone marrow biopsy technique as part of the staging workup. With bone marrow biopsy acting as the gold standard, the diagnostic efficacy of a PET-CT scan for identifying bone marrow involvement was evaluated. Results: Of 112 patients, there were 71(63.39%) males and 41(36.61%) females. The mean age was 45.09±17.36 years. The mean duration of diagnosis was 17.19±6.02 days. Through biopsy, bone marrow involvement was identified in 40 (35.7%) cases. Through a PET-CT scan, bone marrow involvement was identified in 47 (41.9%) cases. The PET- CT scan in comparison with bone marrow biopsy for detecting bone marrow involvement in patients with DLBCL had a sensitivity, specificity, positive predictive value, negative predictive value and diagnostic accuracy of 95%, 87.7%, 80.85%, 96.92% and 90.18% respectively. Conclusion: PET-CT scan can accurately detect bone marrow involvement in patients with DLBCL so it can be used in most patients instead of invasive bone marrow biopsy procedure for staging of DLBCL patients.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».