MétaCan
Menu
Retour à la cohorte
Enregistrement W4318672081 · doi:10.1148/radiol.221785

Supplemental Breast Cancer Screening in Women with Dense Breasts and Negative Mammography: A Systematic Review and Meta-Analysis

2023· review· en· W4318672081 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueRadiology · 2023
Typereview
Langueen
DomaineComputer Science
ThématiqueAI in cancer detection
Établissements canadiensSt. Joseph’s Healthcare HamiltonSinai Health SystemPrincess Margaret Cancer CentreMcMaster UniversityWomen's College HospitalUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineMammographyMeta-analysisBreast cancerScreening mammographyCancerRadiologyGynecologyMedical physicsInternal medicine

Résumé

récupéré en direct d'OpenAlex

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,724
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0060,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,329
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

En bref

Citations130
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRadiologyMême sujetAI in cancer detectionTravaux en français237 207