MétaCan
Menu
Retour à la cohorte
Enregistrement W2888229344 · doi:10.1177/1756287218794094

The contemporary role of lymph node dissection in the management of renal cell carcinoma

2018· review· en· W2888229344 sur OpenAlexaff
Piotr Zareba, Jehonathan H. Pinthus, Paul Russo

Notice bibliographique

RevueTherapeutic Advances in Urology · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueRenal cell carcinoma treatment
Établissements canadiensMcMaster UniversityJuravinski Hospital
Organismes subventionnairesNational Cancer Institute
Mots-clésMedicineRenal cell carcinomaLymph nodeNephrectomyDissection (medical)DiseaseSystemic therapyOncologyKidney cancerInternal medicineAdjuvantRandomized controlled trialClinical trialCancerSurgeryKidney

Résumé

récupéré en direct d'OpenAlex

The appropriate role of lymph node dissection (LND) in the management of patients with renal cell carcinoma (RCC) is still a matter of debate. There is ample evidence that LND is the most accurate modality for staging the regional lymph nodes (LNs), which may harbor metastatic disease in greater than one-third of patients with high-risk RCC. The presence of LN metastases is an independent negative prognostic factor in this disease and accurate determination of LN status not only helps with patient counselling regarding prognosis and tailoring of postoperative surveillance schedules, but it also identifies patients at high risk of systemic disease recurrence who may qualify for clinical trials of adjuvant systemic therapies. Meanwhile, the therapeutic value of LND has been brought into question by a randomized trial (European Organisation for Research and Treatment of Cancer; EORTC 30881) that showed no difference in progression-free or overall survival between patients who were treated with radical nephrectomy (RN) and LND and those treated with RN alone. Given that most patients enrolled in this trial had small renal masses and therefore were at low risk for LN metastases, the question of whether patients with high-risk tumors derive a therapeutic benefit from a standardized, extended LND remains unanswered.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,039
Tête enseignante GPT0,328
Écart entre enseignants0,289 · 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

Citations9
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTherapeutic Advances in UrologyMême sujetRenal cell carcinoma treatmentTravaux en français237 207