MétaCan
Menu
Retour à la cohorte
Enregistrement W2530146166 · doi:10.71781/28593

Traitement du cancer pulmonaire non à petites cellules par radiothérapie stéréotaxique d’ablation

2016· dissertation· fr· W2530146166 sur OpenAlexaboutno aff
Dominique Mathieu

Notice bibliographique

RevueOpen MIND · 2016
Typedissertation
Languefr
DomaineMedicine
ThématiqueMedical Imaging and Pathology Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineNuclear medicineAblationLung cancerOncologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Les néoplasies pulmonaires demeurent la première cause de décès par cancer au Québec représentant près de 6000 décès par année. Au cours des dernières années, la radiothérapie stéréotaxique d’ablation (SABR) s’est imposée comme un traitement alternatif à la résection anatomique pour les patients inopérables atteints d’un cancer pulmonaire non à petites cellules de stade précoce. Il s’agit d’une modalité de traitement qui permet d’administrer des doses élevées, typiquement 30-60 Gy en 1-8 fractions, dans le but de cibler précisément le volume de traitement tout en épargnant les tissus sains. Le Centre Hospitalier de l’Université de Montréal s’est muni en 2009 d’un appareil de SABR de fine pointe, le CyberKnife™ (CK), un accélérateur linéaire produisant un faisceau de photons de 6 MV dirigé par un bras robotisé, permettant d’administrer des traitements non-coplanaires avec une précision infra-millimétrique. Ce mémoire est dédié à la caractérisation de certains enjeux cliniques et physiques associés au traitement par CK. Il s’articule autour de deux articles scientifiques revus par les pairs. D’une part, une étude prospective clinique présentant les avantages de la SABR pulmonaire, une technique qui offre un excellent contrôle tumoral à long terme et aide au maintien de la qualité de vie et de la fonction pulmonaire. D’autre part, une étude de physique médicale illustrant les limites de l’acquisition d’images tomodensitométriques en auto-rétention respiratoire lors de la planification de traitement par CK.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,871
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
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 recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0150,001

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 Opus0,030
Tête enseignante GPT0,334
Écart entre enseignants0,304 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
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 présentoui

Explorer davantage

Même revueOpen MINDMême sujetMedical Imaging and Pathology StudiesTravaux en français237 207