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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 tête enseignante, 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 ».