MétaCan
Menu
Retour à la cohorte
Enregistrement W1712129010 · doi:10.1002/cncy.21257

Subclassification of lymphoproliferative disorders in serous effusions

2012· article· en· W1712129010 sur OpenAlexafffund
Leung Chu Tong, Hyang Mi Ko, Mauro Saieg, Scott Boerner, William R. Geddie, Gilda da Cunha Santos

Notice bibliographique

RevueCancer Cytopathology · 2012
Typearticle
Langueen
DomaineMedicine
ThématiquePleural and Pulmonary Diseases
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesCanadian Institutes of Health ResearchTerry Fox Foundation
Mots-clésMedicineSerous fluidImmunophenotypingLymphoproliferative disordersLymphomaPathologySubtypingEffusionGastroenterologyInternal medicineImmunologySurgeryAntigen

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Rare studies have reported the application of multiple ancillary tests to the diagnosis of lymphoproliferative disorder in serous effusions. In the current study, the authors evaluated the effectiveness of using an algorithm for the triage of serous effusions and the contribution of ancillary studies to achieve a specific subtype of lymphoproliferative disorder. METHODS: Serous effusion samples that had a final diagnosis of lymphoproliferative disorder or suspicious for lymphoma were selected from cases that were diagnosed between 2001 and 2010. Data were collected on patient and sample characteristics as well as results from immunophenotype and molecular studies. RESULTS: In total, 168 serous effusions were identified from 110 patients. The most common site of involvement was the pleural cavity (n = 133) followed by the peritoneal cavity (n = 30) and pericardial cavity (n = 5). The volume of serous effusions ranged from 2 mL to 1000 mL (mean, 238 mL). In 42 patients (38.2%), serous effusions were the primary source of diagnosis. In 129 patients who had a diagnosis of LPD, either generic (n = 82) or specific (n = 47) ancillary tests were performed as a single test in 58 samples (67.4%) or as a combination of multiple studies in 19 samples (23.2%). Immunophenotyping was successful in almost all samples that had a specific subtype with 16 B-cell and 4 T-cell lymphomas being diagnosed. More samples with a specific subtype of lymphoma underwent molecular tests compared with those who had a generic diagnosis (19.1% vs 13.4%). CONCLUSIONS: Successful, specific subtyping of lymphoproliferative disorders was achieved in approximately 33% of cases that were tested for ancillary studies following an approach for the triage and aliquoting of serous effusion samples.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,313
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCancer CytopathologyMême sujetPleural and Pulmonary DiseasesTravaux en français237 207