FDG PET-CT Versus CT for Recurrence in Posttreatment Pancreatic Adenocarcinoma (PAC): Comparative Diagnostic Test Accuracy Systematic Review and Meta-analysis
Notice bibliographique
Résumé
OBJECTIVES: To perform a systematic review comparing diagnostic test accuracy of FDG PET-CT versus CT for assessing recurrence in post-treatment pancreatic adenocarcinoma (PAC). METHODS: Ovid MEDLINE, Ovid Embase, Cochrane Database of Systematic Reviews (Ovid), Cochrane Central Register of Controlled Trials (Ovid), and Web of Science searched until February 2024 for comparative diagnostic accuracy studies assessing PET-CT versus CT in post-treated subjects with PAC to evaluate diagnostic accuracy for recurrence. The reference standard was histopathology when available or clinical follow-up. Data extraction, risk of bias (ROB), and applicability assessment were performed by two authors. QUADAS-C was used for ROB assessment. Bivariate random-effects model meta-analysis, and meta-regression were performed for test comparison with 95% confidence intervals (95%CI). RESULTS: Of 5345 citations retrieved, nine articles met all inclusion criteria, with 400 PAC patients who had 320 recurrences included. Three studies were considered at low risk of bias, while the remaining six studies were at high risk for bias. The sensitivity/specificity (95%CI) and AUC of PET-CT was 89% (83-92%)/83% (73-90%) and 0.927 and for CT was 72% (64-79%)/76% (64-85%) and 0.803. A meta-regression model demonstrated a higher sensitivity for PET-CT than CT alone (P<0.001), with no significant difference in specificity (P=0.243). Risk of bias had no significant impact on CT or PET-CT diagnostic accuracy (P=0.072-0.775). CONCLUSIONS: PET-CT exhibited greater sensitivity compared to CT alone, with no significant variance in specificity between the two modalities, for recurrence evaluation in PAC.
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 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 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 ».