Management of Cervical Neoplasia: A 13-Year Experience with Cryotherapy and Laser
Notice bibliographique
Résumé
OBJECTIVE: To evaluate whether cryotherapy is as effective as laser therapy in treating cervical intraepithelial neoplasia (CIN), and to determine the optimal time for follow up. MATERIALS AND METHODS: Patients with biopsy-proven CIN were treated with cryotherapy or laser therapy. Specific data, including grade of CIN, rate of recurrence, and time to recurrence, were compared between the groups. RESULTS: From 2240 eligible patients, 1126 were treated with laser and 1114 with cryotherapy. Ninety-two percent of patients in the laser group and 91.6% in the cryotherapy group had no evidence of CIN after a median follow up of 60 months. The 183 patients with recurrent/persistent disease were retreated with the same treatment modality as initially received. Eighty-seven of the 90 (96.7%) patients retreated with laser and 90 of the 93 patients (96.8%) retreated with cryotherapy had no further evidence of CIN. The majority (128 out of 183; 75.4%) of recurrent/persistent disease was detected within 18 months after treatment. CONCLUSIONS: CIN can be treated with similar success by cryotherapy or laser ablation. Optimal follow up would be two years for CIN1 lesions and five years for CIN2/3 lesions.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».