Hepatitis-Associated Liver Cancer: Gaps and Opportunities to Improve Care: Table 1.
Notice bibliographique
Résumé
The global burden of hepatocellular carcinoma (HCC; primary liver cancer) is increasing. HCC is often unaccompanied by clear symptomatology, causing patients to be unaware of their disease. Moreover, effective treatment for those with advanced disease is lacking. As such, effective surveillance and early detection of HCC are essential. However, current screening and surveillance guidelines are not being fully implemented. Some at-risk populations fall outside of the guidelines, and patients who are screened are often not diagnosed at an early enough stage for treatment to be effective. From March 17 to 19, 2015, the Hepatitis B Foundation sponsored a workshop to identify gaps and limitations in current approaches to the detection and treatment of HCC and to define research priorities and opportunities for advocacy. In this Commentary, we summarize areas for further research and action that were discussed throughout the workshop to improve the recognition of liver disease generally, improve the recognition of liver cancer risk, and improve the recognition that screening for HCC makes a life-saving difference. Participants agreed that primary prevention of HCC relies on prevention and treatment of viral hepatitis and other underlying etiologies. Earlier diagnosis (secondary prevention) needs to be substantially improved. Areas for attention include increasing practitioner awareness, better definition of at-risk populations, and improved performance of screening approaches (ultrasound, biomarkers for detection, risk stratification, targeted therapies). The heterogeneous nature of HCC makes it unlikely that a single therapeutic agent will be universally effective. Medical management will benefit from the development of new, targeted treatment approaches.
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 | 0,001 |
| 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) | 0,000 | 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 ».