Supplemental Breast Cancer Screening in Women with Dense Breasts and Negative Mammography: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background The best supplemental breast cancer screening modality in women at average risk or intermediate risk for breast cancer with dense breast and negative mammogram remains to be determined. Purpose To conduct systematic review and meta-analysis comparing clinical outcomes of the most common available supplemental screening modalities in women at average risk or intermediate risk for breast cancer in patients with dense breasts and mammography with negative findings. Materials and Methods A comprehensive search was conducted until March 12, 2020, in Medline, Epub Ahead of Print and In-Process and Other Non-Indexed Citations; Embase Classic and Embase; Cochrane Central Register of Controlled Trials; and Cochrane Database of Systematic Reviews, for Randomized Controlled Trials and Prospective Observational Studies. Incremental cancer detection rate (CDR); positive predictive value of recall (PPV1); positive predictive value of biopsies performed (PPV3); and interval CDRs of supplemental imaging modalities, digital breast tomosynthesis, handheld US, automated breast US, and MRI in non–high-risk patients with dense breasts and mammography negative for cancer were reviewed. Data metrics and risk of bias were assessed. Random-effects meta-analysis and two-sided metaregression analyses comparing each imaging modality metrics were performed (PROSPERO; CRD42018080402). Results Twenty-two studies reporting 261 233 screened patients were included. Of 132 166 screened patients with dense breast and mammography negative for cancer who met inclusion criteria, a total of 541 cancers missed at mammography were detected with these supplemental modalities. Metaregression models showed that MRI was superior to other supplemental modalities in CDR (incremental CDR, 1.52 per 1000 screenings; 95% CI: 0.74, 2.33; P < .001), including invasive CDR (invasive CDR, 1.31 per 1000 screenings; 95% CI: 0.57, 2.06; P < .001), and in situ disease (rate of ductal carcinoma in situ, 1.91 per 1000 screenings; 95% CI: 0.10, 3.72; P < .04). No differences in PPV1 and PPV3 were identified. The limited number of studies prevented assessment of interval cancer metrics. Excluding MRI, no statistically significant difference in any metrics were identified among the remaining imaging modalities. Conclusion The pooled data showed that MRI was the best supplemental imaging modality in women at average risk or intermediate risk for breast cancer with dense breasts and mammography negative for cancer. © RSNA, 2023 Supplemental material is available for this article. See also the editorial by Hooley and Butler in this issue.
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 | 0,013 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,020 | 0,034 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».