MétaCan
Menu
Retour à la cohorte
Enregistrement W2793895106 · doi:10.1007/s40336-018-0270-2

PSMA diagnostics and treatments of prostate cancer become mature

2018· editorial· en· W2793895106 sur OpenAlexaff
Finn Edler von Eyben, G. Baumann, Richard P. Baum

Notice bibliographique

RevueClinical and Translational Imaging · 2018
Typeeditorial
Langueen
DomaineMedicine
ThématiqueProstate Cancer Treatment and Research
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésMedicineProstate cancerProstatectomySalvage therapyRadiation therapyProstate-specific antigenBiochemical recurrenceProstateCancerOncologyExternal beam radiotherapyUrologyInternal medicineChemotherapy

Résumé

récupéré en direct d'OpenAlex

Prostate cancer is the second leading cause of cancer death for men in many parts of the world. Radical prostatectomy (RP) and external beam radiotherapy (EBRT) are effective treatment of localized prostate cancer but many patients recur with raising levels of prostate-specific antigen (PSA). Localized salvage therapies for suspected local failure such as salvage EBRT after RP are most effective during early PSA recurrence. In a Danish national cohort study, salvage EBRT for patients with PSA recurrence after RP undertaken without restaging imaging was effective for approximately half of the patients [ 1 ]. Improving on these results requires identification of men with truly localized or oligometastatic recurrence. However, restaging with conventional imaging such as CT and bone scans has limitations. For example, among patients with PSA recurrence after RP, those with a rising PSA < 10 µg/L rarely have positive bone scans. This is problematic because guidelines recommend that patients with PSA recurrence after RP should undergo salvage radiotherapy, while PSA is < 0.5 µg/L [ 2 ]. Thus, bone scans cannot guide salvage treatment for most patients with early-phase PSA recurrence after RP.

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)0,006
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: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,005

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 Opus0,034
Tête enseignante GPT0,420
Écart entre enseignants0,386 · 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
GenreÉditorial

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

En bref

Citations25
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical and Translational ImagingMême sujetProstate Cancer Treatment and ResearchTravaux en français237 207