MétaCan
Menu
Retour à la cohorte
Enregistrement W2125679005 · doi:10.1097/aog.0b013e318269b8b1

New Insights Into the Pathogenesis of Ovarian Carcinoma

2012· article· en· W2125679005 sur OpenAlexaff
Angela Chan, C. Blake Gilks, Janice S. Kwon, Anna V. Tinker

Notice bibliographique

RevueObstetrics and Gynecology · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueOvarian cancer diagnosis and treatment
Établissements canadiensBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésOvarian cancerMedicineSerous fluidSerous carcinomaPathogenesisFallopian tubeDiseaseBiomarkerEndometriosisCancerOncologyOvarian carcinomaClear cell carcinomaClear cellCarcinomaBioinformaticsPathologyInternal medicineGynecologyBiology

Résumé

récupéré en direct d'OpenAlex

Recent discoveries about the pathogenesis of ovarian cancer have suggested that it can no longer be thought of as a single entity, but that the histologically defined ovarian cancer subtypes are different diseases, with different precursor lesions and distinct biomarker expression profiles. Most serous carcinomas probably arise from the fallopian tube. Clear cell and endometrioid carcinomas are associated with endometriosis and likely originate from ectopic endometrium. The focus of large ovarian cancer screening trials has been detection of macroscopic ovarian abnormalities by ultrasonography and detection of serum biomarkers associated with the most common (serous) subtype of ovarian cancer. The only completed and phase three randomized controlled trial failed to achieve the objective of reducing ovarian cancer mortality and was not able to demonstrate a stage migration effect of the screening. Future screening strategies have to incorporate our growing understanding of each subtype of pelvic (ovarian or fallopian tube) cancer, its organ of origin, and disease-specific biomarkers. We review how our current understanding of pathogenesis should prompt a reexamination of data from ovarian cancer screening studies and discuss potential designs for future screening strategies.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,002
Communication savante0,0020,004
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,017
Tête enseignante GPT0,250
Écart entre enseignants0,232 · 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'étudeSans objet
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

Citations32
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueObstetrics and GynecologyMême sujetOvarian cancer diagnosis and treatmentTravaux en français237 207