Imaging Utilization Patterns in the Follow-Up of Extremity Soft Tissue Sarcomas in the United States
Notice bibliographique
Résumé
This study aimed to describe patterns of imaging utilization after resection of extremity soft tissue sarcoma in the United States, assess for potential disparities, and evaluate temporal trends. A retrospective cohort study using a national database of private payer claims data was performed to determine the utilization rate of extremity and chest imaging in a 5-year postoperative follow-up period for patients with extremity soft tissue sarcoma treated between 2007 and 2019. Imaging utilization was assessed according to patient demographics (age, sex, race and ethnicity, and region of residency), calendar year of surgery, and postoperative year. Associations of demographic variables with imaging use were assessed using chi-square tests, trends in imaging use were analyzed using the Cochran-Armitage trend test or linear regression, and associations of postoperative year with imaging use were evaluated with the Pearson Correlation coefficient. A total of 3707 patients were included. Most patients received at least 1 chest (74%) and extremity (53%) imaging examination during their follow-up period. The presence of surveillance imaging was significantly associated with age (P < 0.0001) and region (P = 0.0029). Over the study period, there was an increase in use of extremity MRI (P < 0.05) and ultrasound (P < 0.01) and chest CT (P < 0.0001) and a decrease in use of chest radiographs (P < 0.0001). Imaging use declined over postoperative years (decrease by 85%-92% from year 1-5). In conclusion, the use of surveillance imaging varied according to patient demographics and has increased for extremity MRI and ultrasound and chest CT over the study period.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».