Comparison of Multiparametric MRI and the Combination of PSMA Plus MRI for the Intraprostatic Diagnosis of Prostate Cancer
Notice bibliographique
Résumé
PURPOSE: The aim of this study was to perform a head-to-head comparison of multiparametric MRI (mpMRI) and the combination of prostate-specific membrane antigen (PSMA) PET plus MRI (PSMA + MRI) for detecting intraprostatic clinically significant prostate cancer (csPCa). PATIENTS AND METHODS: Relevant databases were searched through November 2023. Only studies directly comparing mpMRI and PSMA + MRI (PET/MRI or PET/CT + mpMRI) were included. A meta-analysis with a random-effects model was used to estimate pooled sensitivity, specificity, and area under the curve for each approach. RESULTS: A total of 19 studies were included. On a patient-level analysis, PSMA + MRI had higher sensitivity (9 studies) than mpMRI for csPCa detection (96% [95% confidence interval (CI): 92%, 98%] vs 89% [95% CI: 81%, 94%]; P = 0.04). The patient-level specificity (4 studies) of PSMA + MRI was 55% (95% CI: 31%-76%) compared with 50% (95% CI: 44%-57%) of mpMRI ( P = 0.67). Region-level sensitivity (10 studies) was 85% (95% CI: 74%-92%) for PSMA + MRI and 71% (95% CI: 58%-82%) for mpMRI ( P = 0.09), whereas specificity (4 studies) was 87% (95% CI: 76%-94%) and 90% (95% CI: 82%-95%), respectively ( P = 0.59). Lesion-level sensitivity and specificity were similar between modalities with pooled data from less than 4 studies. CONCLUSIONS: PSMA + MRI had superior pooled sensitivity and similar specificity for the detection of csPCa compared with mpMRI in this meta-analysis of head-to-head studies.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».