MétaCan
Menu
Retour à la cohorte
Enregistrement W2563713980 · doi:10.1111/his.13080

The changing landscape of gynaecological cancer diagnosis: implications for histopathological practice in the 21st century

2016· review· en· W2563713980 sur OpenAlexaff
Naveena Singh, C. Blake Gilks

Notice bibliographique

RevueHistopathology · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueOvarian cancer diagnosis and treatment
Établissements canadiensVancouver General Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineVulvaGynaecological cancerCancerCervixSurgical pathologyClinical PracticePathologyMolecular pathologyOvarian cancerOvaryGeneral surgeryGynecologyBiologyInternal medicineFamily medicine

Résumé

récupéré en direct d'OpenAlex

The era of molecular medicine has led to dramatically improved understanding of the genetic events that give rise to different types of cancers. In the case of gynaecological malignancies, this has resulted in distinct shifts in how these tumours are diagnosed in routine surgical pathology practice, with an increased emphasis on accurate subtype diagnosis. This has happened across all sites in the gynaecological tract and for most cell types, but in ways that are site-specific and may appear to be subtle, as in most instances the diagnostic terminology has not changed. For example, the diagnosis of clear cell carcinoma of the ovary is still in use, but the diagnostic criteria and clinical implications are different in 2017 from what they were in 2000. As a result, there can be a failure to appreciate how important these changes are and the resulting necessity of incorporating them into our daily practice. In this review we will describe changes in diagnostic surgical pathology occasioned by improved understanding of molecular events during pathogenesis, for cancers of ovary/tube, endometrium, cervix and vulva, and highlight how current practice differs from that of only a few years ago.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,058
Tête enseignante GPT0,385
Écart entre enseignants0,326 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHistopathologyMême sujetOvarian cancer diagnosis and treatmentTravaux en français237 207