<sup>18</sup>F-FDG PET/MRI in Detection of Pulmonary Malignancies: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background There have been conflicting results regarding fluorine 18–labeled fluorodeoxyglucose (18F-FDG) PET/MRI diagnostic performance in lung malignant neoplasms. Purpose To evaluate the diagnostic performance of 18F-FDG PET/MRI for the detection of pulmonary malignant neoplasms. Materials and Methods A systematic search was conducted within the Scopus, Web of Science, and PubMed databases until December 31, 2021. Published original articles that met the following criteria were considered eligible for meta-analysis: (a) detecting malignant lesions in the lung, (b) comparing 18F-FDG PET/MRI with a valid reference standard, and (c) providing data for the meta-analytic calculations. A hierarchical method was used to pool the performances. The bivariate model was used to find the summary points and 95% CIs. The hierarchical summary receiver operating characteristic model was used to draw the summary receiver operating characteristic curve and calculate the area under the curve. The Higgins I2 statistic and Cochran Q test were used for heterogeneity assessment. Results A total of 43 studies involving 1278 patients met the inclusion criteria and were included in the meta-analysis. 18F-FDG PET/MRI had a pooled sensitivity and specificity of 96% (95% CI: 84, 99) and 100% (95% CI: 98, 100), respectively. 18F-FDG PET/CT had a pooled sensitivity and specificity of 99% (95% CI: 61, 100) and 99% (95% CI: 94, 100), respectively, which were comparable with those of 18F-FDG PET/MRI. At meta-regression, studies in which contrast media (P = .03) and diffusion-weighted imaging (P = .04) were used as a part of a pulmonary 18F-FDG PET/MRI protocol showed significantly higher sensitivities. Conclusion Fluorine 18–labeled fluorodeoxyglucose (18F-FDG) PET/MRI was found to be accurate and comparable with 18F-FDG PET/CT in the detection of malignant pulmonary lesions, with significantly improved sensitivity when advanced acquisition protocols were used. © RSNA, 2023 Supplemental material is available for this article.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,018 | 0,003 |
| Bibliométrie | 0,001 | 0,003 |
| 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 ».