MétaCan
Menu
Retour à la cohorte
Enregistrement W2039315062 · doi:10.1007/s13244-013-0294-0

Solid malignant retroperitoneal masses—a pictorial review

2013· article· en· W2039315062 sur OpenAlexaff
Cressida Brennan, Dilkash Kajal, Korosh Khalili, Sangeet Ghai

Notice bibliographique

RevueInsights into Imaging · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueSoft tissue tumor case studies
Établissements canadiensToronto General HospitalWomen's College HospitalUniversity of TorontoUniversity Health NetworkMount Sinai Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineNeuroradiologyRadiologyMagnetic resonance imagingUltrasoundInterventional radiologyBiopsyComputed tomographyNeurology

Résumé

récupéré en direct d'OpenAlex

Primary retroperitoneal masses are a rare but important group of neoplasms. Cross-sectional imaging has revolutionised the investigation of patients with retroperitoneal neoplasms. Both computed tomography (CT) and magnetic resonance imaging (MRI) can contribute to tumour diagnosis, though histological confirmation is often required because of the considerable overlap of imaging features. Cross-sectional imaging is key to the pre-operative staging and planning of retroperitoneal masses, though ultrasound may also help in certain instances. Imaging also helps to select and guide the site to biopsy from these usually large and heterogeneous neoplasms. This article aims to review many of the primary retroperitoneal neoplasms that may be encountered by the radiologist.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,004

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 Opus0,016
Tête enseignante GPT0,317
Écart entre enseignants0,302 · 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
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

Citations47
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInsights into ImagingMême sujetSoft tissue tumor case studiesTravaux en français237 207