MétaCan
Menu
Retour à la cohorte
Enregistrement W1964762710 · doi:10.1097/spc.0b013e32832e9c6d

The current management of small renal masses

2009· review· en· W1964762710 sur OpenAlexaff
Quoc‐Dien Trinh, Fred Saad, Jean‐Baptiste Lattouf

Notice bibliographique

RevueCurrent Opinion in Supportive and Palliative Care · 2009
Typereview
Langueen
DomaineMedicine
ThématiqueRenal cell carcinoma treatment
Établissements canadiensHôpital Saint-LucUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineCryoablationNatural historyRadiologyMicrowave ablationAblative caseAblationKidney cancerBiopsyCryosurgeryIntensive care medicineNephrectomyGeneral surgeryKidney diseaseKidneySurgeryInternal medicineRadiation therapy

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: Small renal masses are increasingly being discovered incidentally on routine abdominal imaging performed for other purposes. The natural history of small renal masses as well as the therapeutic approach for such lesions is an evolving paradigm. In this review, we assess the current literature regarding this controversial topic. RECENT FINDINGS: Nephron-sparing surgery can be performed with minimal morbidity and mortality. Ablative techniques, such as cryoablation and radio frequency ablation, have shown both safety and reliability in series reporting short-term oncologic follow-up. Preliminary studies seem to favor cryoablation when compared with radio frequency ablation. Observational series have shown that very few of these selected patients present disease progression while on active surveillance. Finally, recent studies have shown that renal biopsy is both well tolerated and accurate. SUMMARY: The management of small renal masses remains a challenging issue. Although nephron-sparing surgery is the standard of care for these masses, ablative techniques and observation represent adequate alternatives, especially for poor surgical candidates. Renal biopsy is increasingly proving to be of value in the management of small renal masses.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,201
Tête enseignante GPT0,435
Écart entre enseignants0,233 · 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'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

Citations10
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in Supportive and Palliative CareMême sujetRenal cell carcinoma treatmentTravaux en français237 207