P.043 Volumetric analysis of low-grade glioma growth in serially-imaged patients
Notice bibliographique
Résumé
Background: Diffuse low-grade gliomas (LGGs) are infiltrative, slow-growing primary brain tumors that remain relatively asymptomatic for long periods of time before progressing to aggressive high-grade gliomas. Methods: We retrospectively identified LGG patients that were stably managed by observation with numerous (≥ 8) serial magnetic resonance imaging (MRI) studies. Tumour volumes were measured by manual segmentation on imaging to study the growth of the lesion. Patient demographic information, tumour characteristics, and histological data were collected from electronic medical records. Results: Of 74 LGG patients, 10 (13.5%) patients were included in the study. The number of MRIs acquired ranged from 8 to 18 (median, 11) over a median of 79.7 months (range, 39.8-113.8 months). Tumor diameter increased at a median rate of 2.17 mm/year in a linear trajectory. Cox regression analysis revealed that initial tumour volume predicted time to clinical intervention, and Mann-Whitney U test found that patients diagnosed prior to age 50 had significantly slower-growing tumors. Clinical intervention was more likely for tumours larger than 73.8 mL. Conclusions: We retrospectively analyzed the natural history of LGGs in patients with numerous serial MRIs managed at a single institution. Comparisons to the literature suggest that this is a subset of particularly slow-growing and low-risk tumours.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».