MétaCan
Menu
Retour à la cohorte
Enregistrement W2169080684 · doi:10.1177/1203475415583414

Non-melanoma Skin Cancer in Canada Chapter 3: Management of Actinic Keratoses

2015· article· en· W2169080684 sur OpenAlexaffabout
Yves Poulin, Charles Lynde, Kirk Barber, Ronald Vender, Joël Claveau, Marc Bourcier, John Ashkenas

Notice bibliographique

RevueJournal of Cutaneous Medicine and Surgery · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueNonmelanoma Skin Cancer Studies
Établissements canadiensUniversité de SherbrookeMcMaster UniversityDermatrials ResearchUniversité LavalLynde Centre for DermatologyUniversity of TorontoClinique Neuro-OutaouaisUniversity of CalgaryCentre de Recherche Dermatologique du Québec Métropolitain
Organismes subventionnairesLEO Pharma
Mots-clésMedicineActinic keratosisActinic keratosesDermatologySkin cancerKeratosisImmunosuppressionTreatment modalityMelanomaPhotodynamic therapyBasal cellCancerSurgeryPathologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Actinic keratosis (AK) and cheilitis (AC) are lesions that develop on photodamaged skin and may progress to form invasive squamous cell carcinomas (SCCs). OBJECTIVE: To provide guidance to Canadian health care practitioners regarding management of AKs and ACs. METHODS: Literature searches and development of graded recommendations were carried out as discussed in the accompanying introduction (chapter 1 of the NMSC guidelines). RESULTS: Treatment of AKs allows for secondary prevention of skin cancer in sun-damaged skin. Because it is impossible to predict whether a given AK will regress, persist, or progress, AKs should ideally be treated. This chapter discusses options for the management of AKs and ACs. CONCLUSIONS: Treatment options include surgical removal, topical treatment, and photodynamic therapy. Combined modalities may be used in case of inadequate response. AKs are particularly common following the long-term immunosuppression in organ transplant patients, who should be monitored frequently to identify emerging lesions that require surgery.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,047
Score d'incertitude au seuil0,911

Scores Codex et Gemma par catégorie

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

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 Opus0,034
Tête enseignante GPT0,283
Écart entre enseignants0,249 · 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 tête enseignante, 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

Citations29
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Cutaneous Medicine and SurgeryMême sujetNonmelanoma Skin Cancer StudiesTravaux en français237 207