Population-based validation of the National Cancer Comprehensive Network recommendations for baseline imaging workup of cutaneous melanoma
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.
Notice bibliographique
Résumé
The aim of the current study is to assess the performance of some of the imaging scans recommended in the National Comprehensive Cancer Network Guidelines as part of baseline staging for cutaneous melanoma, regarding the detection of lung, brain, bone, and liver metastases. Surveillance, Epidemiology and End Results database (2010-2015) was used to extract the data, and cases with cutaneous melanoma and complete information about TN stages and sites of distant metastases were explored. Performance parameters assessed in the current study included positive predictive value (PPV), negative predictive value, sensitivity, specificity, number needed to investigate (NNI), and accuracy. A total of 109 971 patients were included in the analysis. If all stage III patients in the study cohort are to be staged through routine imaging, PPV (for the recognition of lung metastases) will be 2.9% and NNI to detect one case of lung metastasis will be 34. Likewise, PPV (for the recognition of bone metastases) will be 1.8% and NNI to detect one case of bone metastasis will be 55. Moreover, PPV (for the recognition of liver metastases) will be 1.8% and NNI to detect one case of liver metastasis will be 55. Excluding stage III patients with clinically node-negative/sentinel node-positive disease would improve PPV and decrease NNI for the three metastatic sites. Adherence to current National Comprehensive Cancer Network guidelines for cutaneous melanoma imaging for baseline staging results in low rates of failure to detect asymptomatic lung, liver, brain, or bone metastases.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 découle