Impact of neuroradiologist second opinion on staging and management of head and neck cancer
Notice bibliographique
Résumé
OBJECTIVE: Patients with head and neck cancer frequently present to academic tertiary referral centers with imaging studies that have been performed and interpreted elsewhere. At our institution, these outside head and neck imaging studies undergo formal second opinion reporting by a fellowship-trained academic neuroradiologist with expertise in head and neck imaging. The purpose of this study was to determine the impact of this practice on cancer staging and patient management. METHODS: Our institutional review board approved the retrospective review of randomized original and second opinion reports for 94 consecutive cases of biopsy proven or clinically suspected head and neck cancer in calendar year 2010. Discrepancy rates for staging and recommended patient management were calculated and, for the 32% (30/94) of cases that subsequently went to surgery, the accuracies of the reports were determined relative to the pathologic staging gold standard. RESULTS: Following neuroradiologist second opinion review, the cancer stage changed in 56% (53/94) of cases and the recommended management changed in 38% (36/94) of patients with head and neck cancer. When compared to the pathologic staging gold standard, the second opinion was correct 93% (28/30) of the time. CONCLUSION: In a majority of patients with head and neck cancer, neuroradiologist second opinion review of their outside imaging studies resulted in an accurate change in their cancer stage and this frequently led to a change in their management plan.
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) | 0,001 | 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) | 0,000 | 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 ».