MétaCan
Menu
Retour à la cohorte
Enregistrement W2776941860 · doi:10.1055/s-0037-1607452

HCC Risk Scores: Useful or Not?

2017· review· en· W2776941860 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueSeminars in Liver Disease · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueHepatocellular Carcinoma Treatment and Prognosis
Établissements canadiensUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineHepatocellular carcinomaPopulationCirrhosisHepatitis BRisk assessmentHepatitis CLiver cancerIntensive care medicineInternal medicineEnvironmental healthOncologyComputer science

Résumé

récupéré en direct d'OpenAlex

The advent and efficacy of surveillance for hepatocellular carcinoma (HCC) has necessitated the refinement of assessing who is at risk for this cancer. Initially, risk was assessed for all individuals with hepatitis B and all those with cirrhosis. However, the majority of these individuals do not develop HCC so that providing surveillance for all is a waste of resources. There are now many different scores that have been developed that allow better identification of who is at risk and who is not. Specific models have been developed for hepatitis B before and on treatment, for hepatitis C before and after treatment, and for cirrhosis in general. There are also models for assessing risk in the general population. Some models can only be applied to patients coming from the population in which the score was developed (e.g., hepatitis B). Others are more generalizable. Many lack external validation. With some exceptions, the models do not attempt to assess the score at which surveillance should start. Overall, the models provide some useful guidance as to who does not need to undergo surveillance, but the long-term performance and how changes in risk score correlate with changes in HCC risk has not been completely assessed.

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,918
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,238
Tête enseignante GPT0,369
Écart entre enseignants0,131 · 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