MétaCan
Menu
Retour à la cohorte
Enregistrement W2563103125 · doi:10.1093/ajcp/138.suppl2.218

New Pattern-Based Classification System for Invasive Endocervical Adenocarcinomas With Emphasis on "Pattern A": A Multi-Institutional Study

2012· article· en· W2563103125 sur OpenAlexaff
Andrea Diaz De Vivar, Andres A. Roma, Kay J. Park, Isabel Alvarado‐Cabrero, Golnar Rasty, José Chanona-Vilchis, Yoshiki Mikami, Sung Ran Hong, Brent Arville, Norihiro Teramoto, Rouba Ali‐Fehmi, Joanne Rutgers, Irene Aguilera‐Barrantes, Elvio G. Silva

Notice bibliographique

RevueAmerican Journal of Clinical Pathology · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueEndometrial and Cervical Cancer Treatments
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésEmphasis (telecommunications)Computer scienceMedicinePathologyTelecommunications

Résumé

récupéré en direct d'OpenAlex

The depth of invasion (DOI) of endocervical adenocarcinoma (ECA) determines stage and ultimately guides treatment. The decision of whether to perform lymphadenectomy at the time of hysterectomy depends on this critical yet difficult-to-measure parameter. Furthermore, more than 95% of resected lymph nodes (LNs) are negative; therefore, patients are exposed to unnecessary risks for complications. We have recently proposed a new classification system for invasive ECA based on pattern rather than DOI. Our method has consistently predicted risk of LN metastasis with 0% positive LNs in cases with pattern A (well-demarcated glands), 8% with pattern B (early stromal invasion arising from well-demarcated glands), and 24% with pattern C (diffuse destructive invasion). The objective of this study was to better characterize clinical and pathologic parameters of pattern A ECA. Hence, cases with this pattern of invasion diagnosed and treated at 12 participating institutions were reviewed, and the following were assessed: age, DOI, stage, tumor differentiation, positive LNs, and recurrences. Data were compared with patients with patterns B and C. Of 360 patients with ECA, 79 (21.9%) ranging from 25 to 64 years (mean, 44.12 years) were included. DOI ranged from 0.1 to 30 mm (mean, 4.74 mm). All cases were stage I. Tumors were well- (56.4%) or moderately differentiated (43.6%). No single cells, desmoplastic reaction, high-grade cytologic features, or lymphovascular invasion were present. Complex intraglandular growth was seen in some instances (ie, cribriform), and relationship to large cervical vessels was irrelevant. All LNs were negative for metastatic disease, and no recurrences or deaths due to disease were identified after a mean follow-up of 48.27 months. Patients with pattern A ECA have an excellent prognosis, and recognition of this pattern can avoid unnecessary lymphadenectomy in almost one fourth of patients. Future projects will concentrate on patterns B and C.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,135
Tête enseignante GPT0,413
Écart entre enseignants0,278 · 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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Clinical PathologyMême sujetEndometrial and Cervical Cancer TreatmentsTravaux en français237 207