Investigating the Role of Ultrasound in the Diagnosis of Oral Lesions: A Scoping Review
Notice bibliographique
Résumé
AIM: To provide an overview of the diagnostic potential of Ultrasound to assess oral lesions using Magnetic Resonance Imaging, Computed Tomography/Cone-beam computed tomography, or histopathology as the reference standard. METHODS: A literature search was conducted from the following databases: OVID Medline and Embase, Web of Science, Pubmed, and Scopus. The Joanna Briggs Institute Checklist for Systematic Reviews and Research Syntheses tool was used to assess the risk of bias. RESULTS: Thirty-four studies were included. One study assessed soft tissue lesions, one study assessed intraosseous lesions, and 32 studies assessed malignancies. Ultrasound demonstrated its ability to recognize biomarkers of a diverse range of soft tissue lesions with sensitivity and specificity over 90%. Sensitivity and specificity over 90% were also found for the detection of ameloblastoma proliferation. From studies investigating malignancies, 32% measured the depth of invasion, and 56% measured tumor thickness. The main method of analysis was correlation in 68% of the studies, followed by 25% of the studies assessing sensitivity and specificity. CONCLUSION: Ultrasound has the potential to provide accurate information on the characteristics of benign oral lesions and malignancies. It can be used as an initial method of assessment or screening to aid in diagnosis and treatment planning.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».