Predictive value of tumor thickness for cervical lymph‐node involvement in squamous cell carcinoma of the oral cavity
Notice bibliographique
Résumé
BACKGROUND: Tumor thickness (TT) appears to be a strong predictor for cervical lymph-node involvement in squamous cell carcinoma of the oral cavity (OSCC), but a precise clinically optimal TT cutoff point has not been established. To address this question, the authors conducted a meta-analysis. METHODS: All relevant articles were identified from MEDLINE and EMBASE as well as from cross-referenced publications cited in relevant articles. Lymph-node involvement was confirmed and identified as positive lymph-node declaration (P(LN)D) by either pathologic positivity on immediate neck dissection or by neck recurrence identified after follow-up > or = 2 years. Odds ratios (OR) were calculated to quantify the predictive value of TT. Negative predictive values (and the percentage of patients falsely predicted to not have P(LN)D [FN-P(LN)D]) were compared to determine the optimal TT cutoff point. RESULTS: Sixteen studies were selected from 72 potential studies, yielding a pooled total of 1136 patients. Data were examined for the following TT cutoff points: 3 mm (4 studies, 387 patients), 4 mm (9 studies, 778 patients), 5 mm (6 studies, 367 patients), and 6 mm (4 studies, 488 patients). The OR (95% CI) was 7.3 (5.3-10.1) for the overall group. The proportion of FN-P(LN)D was 5.3% (95% CI, 2.0-11.2), 4.5% (2.6-7.2), 16.6% (11.5-22.8), and 13.0% (9.7-16.9) for TT<3, <4, <5, and <6 mm, respectively. There was a statistically significant difference between the 4-mm and 5-mm TT cutoff points (P = .007). CONCLUSIONS: TT was a strong predictor for cervical lymph-node involvement. The optimal TT cutoff point was 4 mm.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,019 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,017 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».