Outcomes of Conservative Management of High Grade Squamous Intraepithelial Lesions in Young Women
Notice bibliographique
Résumé
OBJECTIVE: The aim of the study was to determine regression rates of cervical intraepithelial neoplasia (CIN) 2 and 3 in women younger than 24 years, followed conservatively for up to 24 months. MATERIALS AND METHODS: This is a retrospective chart review of colposcopy patients in clinic database based on the following: (1) younger than 24 years at first visit; (2) first visit January 1, 2010, to May 31, 2013, and at least 1 follow-up visit after diagnosis; (3) histologic diagnosis of CIN2+; and (4) optimal conservative management (observation for up to 24 months or to 24 years, whichever occurred first). Patient information and clinical/pathologic data were extracted from charts to examine patient characteristics and treatment outcomes, CIN2+ regression rates, median times to regression for CIN2 versus CIN3 (Kaplan-Meier survival analysis), and predictors of regression (multivariate logistic regression analysis). RESULTS: A total of 154 women met criteria. The most severe histological diagnoses were CIN2 in 99 (64.3%), CIN3 in 51 (33.1%), and adenocarcinoma in situ in 4 (2.6%). Adenocarcinoma in situ was immediately treated. In follow-up, CIN2 regressed to CIN1 or negative in 74 women (74.7%)-median time to regression, 10.8 months. Cervical intraepithelial neoplasia 3 regressed in 11 women (21.6%)-median time to regression not reached (last follow-up censored at 52.7 months). Cervical intraepithelial neoplasia 2 on biopsy, low grade referral Pap, and younger age predicted regression. Overall, 49 women (31.8%) were treated. CONCLUSIONS: Conservative management should continue to be recommended to young women with CIN2. Rigorous retention mechanisms are required to ensure that these women return for follow-up.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».