Sentinel lymph node mapping with computed tomography lymphangiography and intraoperative methylene blue peritumoral injection has a high detection rate with moderate agreement in dogs with oral neoplasms
Notice bibliographique
Résumé
Objective: To investigate the feasibility of indirect CT lymphangiography (CTL) and intraoperative lymphangiography with methylene blue (IOL-MB) for sentinel lymph node (SLN) mapping in canine oral cancer and to report both agreement between the techniques and accuracy of identifying metastatic lymph nodes (LNs). Methods: This prospective study included 38 client-owned dogs with gross macroscopic or incompletely excised microscopic oral neoplasms. All dogs underwent CTL, IOL-MB, and extirpation of bilateral mandibular and retropharyngeal LNs. The detection rate of SLNs using the combined techniques was evaluated, and agreement between CTL and IOL-MB was assessed. Results: The combined techniques identified all metastatic cases (4 of 4 dogs, 6 of 6 LNs) and achieved an SLN detection rate of 97.4% (37 of 38 dogs), with moderate agreement between modalities (76.8%; κ = 0.481). Nine cases showed discrepancies between the techniques, including 1 involving a metastatic LN. Conclusions: CTL and IOL-MB demonstrated moderate agreement and an excellent detection rate for SLNs. With moderate agreement between modalities, our results suggested that the relationship between mapped LNs and true SLNs is not always straightforward. Clinical Relevance: Results of this study suggested that SLN mapping techniques are most effective when there is no evidence of overt clinical LN metastasis. Employing at least 2 modalities is advisable, as metastasis may impact SLN identification rates depending on the technique utilized.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».