MétaCan
Menu
Retour à la cohorte
Enregistrement W2901916500 · doi:10.1002/hed.25513

<sup>18</sup>F‐FDG PET/CT for locoregional surveillance following definitive treatment of head and neck cancer: A meta‐analysis of reported studies

2018· review· en· W2901916500 sur OpenAlexaff
Erin Wong, Adam A. Dmytriw, Eugene Yu, John Waldron, Lin Lu, Rouhi Fazelzad, John R. de Almeida, Patrick Veit‐Haibach, Brian O’Sullivan, Wei Xu, Shao Hui Huang

Notice bibliographique

RevueHead & Neck · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueHead and Neck Cancer Studies
Établissements canadiensPrincess Margaret Cancer CentreUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineNuclear medicinePositron emission tomographyHead and neckRadiation therapyHead and neck cancerMeta-analysisRadiologyInternal medicineSurgery

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose To evaluate the performance of 18F‐fluorodeoxy‐d‐glucose positron emission tomography‐computed tomography (18F‐FDG PET/CT) in identifying local failure and regional failure following curative radiotherapy or surgery for head and neck squamous cell carcinoma. Methods A comprehensive literature search identified studies published between January 2010 and August 2016. Diagnostic performance of 18F‐FDG PET/CT was evaluated for local failure/regional failure stratified by treatment‐to‐scan time interval of ≤3 versus >3 months. Results Twenty‐four studies (2627 patients) were included. Compared to ≤3 months, 18F‐FDG PET/CT performed >3 months showed significantly improved sensitivity (87% vs 60%, P = 0.020) and specificity (93% vs 84%, P < 0.001) for local failure. There was no significant difference in sensitivity (79% vs 56%, P = 0.100) or specificity (95% vs 97%, P = 0.35) for regional failure >3 versus ≤3 months. Conclusions This meta‐analysis confirms high specificity but modest sensitivity of posttreatment 18F‐FDG PET/CT for local failure and regional failure. Sensitivity and specificity are significantly improved when 18F‐FDG PET/CT is performed >3 months for local failure.

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)0,015
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,034
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0110,038
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,001
Communication savante0,0040,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,297
Tête enseignante GPT0,459
Écart entre enseignants0,161 · 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'étudeMéta-analyse
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

Citations28
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHead & NeckMême sujetHead and Neck Cancer StudiesTravaux en français237 207