MétaCan
Menu
Retour à la cohorte
Enregistrement W1899696377 · doi:10.14366/usg.15018

Local ablation therapy with contrast-enhanced ultrasonography for hepatocellular carcinoma: a practical review

2015· review· en· W1899696377 sur OpenAlexaff
Tae Kyoung Kim, Korosh Khalili, Hyun‐Jung Jang

Notice bibliographique

RevueULTRASONOGRAPHY · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueHepatocellular Carcinoma Treatment and Prognosis
Établissements canadiensToronto General HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineHepatocellular carcinomaUltrasonographyAblation TherapyRadiologyContrast (vision)AblationGeneral surgeryInternal medicineCancerArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

A successful program for local ablation therapy for hepatocellular carcinoma (HCC) requires extensive imaging support for diagnosis and localization of HCC, imaging guidance for the ablation procedures, and post-treatment monitoring. Contrast-enhanced ultrasonography (CEUS) has several advantages over computed tomography/magnetic resonance imaging (CT/MRI), including real-time imaging capability, sensitive detection of arterial-phase hypervascularity and washout, no renal excretion, no ionizing radiation, repeatability, excellent patient compliance, and relatively low cost. CEUS is useful for image guidance for isoechoic lesions. While contrast-enhanced CT/MRI is the standard method for the diagnosis of HCC and post-ablation monitoring, CEUS is useful when CT/MRI findings are indeterminate or CT/MRI is contraindicated. This article provides a practical review of the role of CEUS in imaging algorithms for pre- and post-ablation therapy for HCC.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,933
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0050,003
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,125
Tête enseignante GPT0,340
Écart entre enseignants0,215 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations29
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueULTRASONOGRAPHYMême sujetHepatocellular Carcinoma Treatment and PrognosisTravaux en français237 207