MétaCan
Menu
← Retour à la cohorte
Enregistrement W4387981408 · doi:10.1183/13993003.congress-2023.pa4630

Diagnostic yield of bronchoalveolar lavage in the investigation of lung cancer

2023· article· en· W4387981408 sur OpenAlexaff
Laetitia Amar, Stephanie Wang, Ping Zhu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensHôpital Maisonneuve-RosemontUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineLung cancerBronchoalveolar lavageBronchoscopyMalignancyRadiologyBronchusCancerLungInternal medicineGastroenterologyRespiratory disease

Résumé

récupéré en direct d'OpenAlex

Intro: Flexible bronchoscopy is routinely used to assess lung cancer and collect specimens, with bronchoalveolar lavage(BAL) estimated to have a diagnostic yield of 43-47% (Detterbeck, FC et al. Chest 2013). However, there is no clear guidance on choosing bronchoscopy as an initial diagnostic test. Therefore, we aimed to identify the factors influencing the pre-pandemic performance of bronchoscopies with BAL when investigating suspicious pulmonary lesions. Methods: We reviewed the charts of 111 patients who underwent bronchoscopy with BAL at our center between January and June 2018 for suspected lung cancer. Efficacy of BAL was assessed for neoplastic diagnosis and subtyping. Results: Mean age of patients was 70(49-90) years, with 59 males. Mean size of lesion was 31mm and 72(64.9%) had a final diagnosis of lung cancer. Of 111 BALs, 20(18%) showed suspicious or cancer cells. Higher diagnostic yield was found with lesions larger than 2cm(27.8% vs 0%, p<0.001), central tumors(41.7% vs 5.8%, p<0.001), bronchus sign(41.7% vs 15.2%, p=0.024) and lymphangitic carcinomatosis(66.7% vs 15.2%, p=0.001). Higher T(p=0.001) with TNM staging system, abnormal endoscopic appearance(p<0.001) and intense positron emission tomography uptake(p=0.010) were other factors linked with better performance. A high malignancy risk score per Mayo Clinic Model was associated with a diagnostic BAL(22.7% vs 3.7% for low-intermediate risk, p=0.084), but not routinely calculated by clinicians in our center. Conclusion: Despite its frequent use in evaluating lung cancer, BAL had a low diagnostic yield of 18% at our center before the COVID-19 era. Several factors affect its efficacy and could guide a more selective approach for future use.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,026
Tête enseignante GPT0,316
Écart entre enseignants0,290 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLung Cancer Diagnosis and Treatment→Travaux en français237 207→