Data Set for Reporting of Lung Carcinomas: Recommendations From International Collaboration on Cancer Reporting
Notice bibliographique
Résumé
CONTEXT: The International Collaboration on Cancer Reporting (ICCR) is a quadripartite alliance formed by the Royal College of Pathologists of Australasia, the Royal College of Pathologists of the United Kingdom, the College of American Pathologists, and the Canadian Partnership Against Cancer. The ICCR was formed with a view to reducing the global burden of cancer data set development and reduplication of effort by different international institutions that commission, publish, and maintain standardized cancer-reporting data sets. The resultant standardization of cancer reporting would be expected to benefit not only those countries directly involved in the collaboration but also others not in a position to develop their own data sets. OBJECTIVES: To develop an evidence-based reporting data set for each cancer site. DESIGN: A project to develop data sets for prostate, endometrium, and lung cancers and malignant melanoma was piloted by the quadripartite group. RESULTS: A set of required and recommended data elements and appropriate responses for each element were agreed upon for the reporting of lung cancer. CONCLUSIONS: This review describes the process of development of the lung cancer data set.
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 | 0,321 | 0,389 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,010 | 0,015 |
| Bibliométrie | 0,028 | 0,028 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,009 | 0,011 |
| Science ouverte | 0,018 | 0,009 |
| Intégrité de la recherche | 0,008 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,005 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».