MétaCan
Menu
Retour à la cohorte
Enregistrement W2516269408 · doi:10.1016/s0167-8140(16)32560-9

EP-1310: PV of FDG-PET SUV in rectal cancer pts: correlation with tumor characteristics/response to neoadj RT

2016· article· en· W2516269408 sur OpenAlexaff
L. Turri, Francesco Apicella, A. Caroli, Rosario Francesco Grasso, Sara Torrente, Erinda Puta, Daniela Ferrante, G. Sacchetti, Marta Brambilla, Marco Krengli

Notice bibliographique

RevueRadiotherapy and Oncology · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensHealth Sciences CentreUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineColorectal cancerCorrelationNuclear medicineCancerOncologyInternal medicineMathematics

Résumé

récupéré en direct d'OpenAlex

_____________________________________________________________________________________________________ incidence of hematologic toxicity was low (1 G1; 1G2).Early response evaluated by instrumental re-staging after 3 months from the end of treatment was encouraging, since 8 patients achieved complete response and 8 a partial response.Among the 6 patients with at least 2 years of follow up, 3 patient developed a progression disease (1 local relapse an 2 distant metastasis) and 1 patient died of disease after 3 years from treatment.The patient who underwent to radiation boost after chemoradiation developed anal stenosis which required a permanent colostomy.Conclusion: SIB with VMAT combined with chemotherapy is quite feasible in anal cancer treatment.It easily allows different dose delivering to target at different risk of disease involvement.Split course schedule has not be more used because of acceptable acute toxicity profile, which was confirmed in conventional fractionation.A larger patient number and a longer follow-up are required to confirm our data.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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)0,0020,000

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 Opus0,009
Tête enseignante GPT0,308
Écart entre enseignants0,299 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueRadiotherapy and OncologyMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207