Cytopathology: Why did it take so long to thrive?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Lionel S. Beale of London made some of the earliest contributions to Cytopathology in the 1850-1860s. Cytopathology then experienced a 60+ year hiatus during which few advances were made. In 1927, Londoner Leonard S. Dudgeon published his wet film method for rapid intraoperative diagnosis and in 1928 Greek-American George Papanicolaou and Romanian Aurel A. Babeş independently discovered that cervical cancer can be diagnosed using vaginal smears; these were huge advancements. Yet, there was another hiatus where little progress was made which lasted until the publications of Papanicolaou and Trout in the early 1940s. After that, the field of exfoliative Cytopathology immediately flourished. None of the standard histories of Cytopathology explain these two gaps. Primary and secondary historical sources were examined to explain this pattern. The author concludes that the first hiatus is explained by the 19th Century pathology establishment's strong opposition to the doctrine of the uniqueness of cancer cells that was being pushed by only a few maverick pathologists; in fact, for many mainstream pathologists, cancer was rigidly defined by cell behavior (metastases and invasion) and not cell morphology well into the 20th Century. Biopsy-based diagnosis faced similar opposition but advanced more rapidly as it was possible to examine increased numbers of cells in a pattern that partially maintained their normal adjacencies and architecture. The second hiatus is explained by economic pressures supporting intraoperative frozen section diagnoses and, in the instance of vaginal smears, the embryonic state of the public campaign supporting the importance of early cancer diagnosis.
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.
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 | 0,056 |
| 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 | 0,001 |
| 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) | 0,001 | 0,006 |
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 découle