Volumetric Analysis: Effect on Diagnosis and Management of Indeterminate Solid Pulmonary Nodules in Routine Clinical Practice
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the effect of volumetric analysis on the diagnosis and management of indeterminate solid pulmonary nodules in routine clinical practice. METHODS: This was a retrospective study with 107 computed tomography (CT) cases of solid pulmonary nodules (range, 6-15 mm), 57 pathology-proven malignancies (lung cancer, n = 34; metastasis, n = 23), and 50 benign nodules. Nodules were evaluated on a total of 309 CT scans (average number of CTs/nodule, 2.9 [range, 2-7]). CT scans were from multiple institutions with variable technique. Nine radiologists (attendings, n = 3; fellows, n = 3; residents, n = 3) were asked their level of suspicion for malignancy (low/moderate or high) and management recommendation (no follow-up, CT follow-up, or care escalation) for baseline and follow-up studies first without and then with volumetric analysis data. Effect of volumetry on diagnosis and management was assessed by generalized linear and logistic regression models. RESULTS: Volumetric analysis improved sensitivity ( P = 0.009) and allowed earlier recognition ( P < 0.05) of malignant nodules. Attending radiologists showed higher sensitivity in recognition of malignant nodules ( P = 0.03) and recommendation of care escalation ( P < 0.001) compared with trainees. Volumetric analysis altered management of high suspicion nodules only in the fellow group ( P = 0.008). κ Statistics for suspicion for malignancy and recommended management were fair to substantial (0.38-0.66) and fair to moderate (0.33-0.50). Volumetric analysis improved interobserver variability for identification of nodule malignancy from 0.52 to 0.66 ( P = 0.004) only on the second follow-up study. CONCLUSIONS: Volumetric analysis of indeterminate solid pulmonary nodules in routine clinical practice can result in improved sensitivity and earlier identification of malignant nodules. The effect of volumetric analysis on management recommendations is variable and influenced by reader experience.
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 | 0,008 | 0,111 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».