MRI of atypical lipomatous tumor: does contrast help? A multicenter study
Notice bibliographique
Résumé
OBJECTIVE: To compare the diagnostic performance of non-contrast MRI versus MRI with contrast for differentiating atypical lipomatous tumors (ALT) from lipomas. MATERIALS AND METHODS: This multicenter retrospective study included subjects with a histopathologic diagnosis of lipoma or ALT and a preoperative MRI study with contrast. An experienced musculoskeletal radiologist reviewed the images in two sessions, the first session with non-contrast only, and the second session, including postcontrast sequences. In each session, the radiologist assigned a binary classification (lipoma or ALT) and a 5-point diagnostic score to reflect clinical reporting. Pathology reports served as the reference standard. McNemar's test was used to evaluate the statistical significance of the differences in sensitivity and specificity, while intraclass correlation coefficients (ICC) compared ordinal diagnostic scores. RESULTS: Four-hundred and forty-one patients (219 ALT, 222 lipoma) were eligible for analysis. In the first session, 76.1% of the lesions were classified as true negative and 76.3% as true positive. In the second session, 74.8% of lesions were assessed as true negative and 77.2% as true positive. There were no significant differences between the two readings in terms of sensitivity or specificity. The agreement in assigning the exact score between the two sessions, as measured by ICC, was 0.878 (95%CI: 0.855-0.898). CONCLUSION: Our study found no significant difference between the radiological readings of MRIs that used only precontrast sequences were used for the evaluation of lipoma and ALT, and those that included both pre- and postcontrast-enhanced sequences.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».