Diagnostic utility of central node necrosis in predicting extracapsular spread among oral cavity squamous cell carcinoma
Notice bibliographique
Résumé
BACKGROUND: Oral cavity squamous cell carcinoma (SCC) represents the most common SCC affecting the head and neck region. Long-term survival of patients with oral cavity SCC is adversely affected by lymph node metastasis and further decreased by the presence of lymph node extracapsular spread (ECS). METHODS: Using a case-control design, preoperative CT scans from patients with oral cavity SCC and metastatic lymphadenopathy were evaluated by 2 independent neuroradiologists, blinded to the study, for a number of radiologic parameters, including central node necrosis. Multivariate logistic regression was used to identify parameters independently predicting pathologic ECS. RESULTS: For both neuroradiologists, central node necrosis was a significant predictor of ECS, with high interrater agreement (kappa = 0.71). On multivariate analysis, only central node necrosis independently predicted ECS (odds ratio [OR] = 12.1; 95% confidence interval [CI] = 1.24-119). Central node necrosis predicted ECS with 91% sensitivity and 88% negative predictive values. CONCLUSION: Our findings suggest that central node necrosis on preoperative CT scans is strongly associated with the presence of ECS.
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 | 0,001 |
| 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 ».