MétaCan
Menu
Retour à la cohorte
Enregistrement W2168628690 · doi:10.5430/jbgc.v4n3p57

The role of 18F-FDG-PET/CT in initial staging and re-staging of head and neck cancer

2014· article· en· W2168628690 sur OpenAlexvenueno aff
Abdullah Demirkan, Pelin Özcan Kara, Kayhan Öztürk, Oktay Sarı, Nazim Kanat, Izzet Ozgür Ozlük, Ahmet Kibar

Notice bibliographique

RevueJournal of Biomedical Graphics and Computing · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueHead and Neck Cancer Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineHead and neck cancerNuclear medicineRadiologyPET-CTHead and neckPositron emission tomographyHead and neck squamous-cell carcinomaRadiological weaponRadiation therapySurgery

Résumé

récupéré en direct d'OpenAlex

The aim of this study is to have a solid basis for the effectiveness of the 18F-FDG-PET/CT imaging technique, which hasknown advantages for patients with head and neck cancers during staging and restaging prior to treatment and to comparethis method with the corresponding clinical and radiological methods. A total of 139 patients with squamous cell head and neck carcinoma underwent PET/CT imaging. A total of 146 PET/CTimaging was performed in all patients. PET/CT imaging performed for staging and restaging in 36 and 103 patients,respectively. At least one conventional imaging (CI) as CT and/or MRI was performed for each one of the total patients.PET/CT studies revealed 66 true positive, 72 true negative, 4 false positive and 4 false negative results whereas the samevalues for CI were 65, 64, 4 and 6, respectively. When all studies were analyzed on the basis of lesion for PET/CT, specificity was 94.7%, and sensitivity being 94.2%,where as corresponding values for conventional imaging methods were found 94.1% and 91.5% respectively. Recurrentlesions have been detected with PET/CT and treatment management was changed in 29 of 139 patients.FDG-PET/CT improves the diagnostic accuracy in head and neck cancer patients.

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)0,004
score de la tête « metaresearch » (Gemma)0,010
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,318
Écart entre enseignants0,301 · 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
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical Graphics and ComputingMême sujetHead and Neck Cancer StudiesTravaux en français237 207