Data Set for the Reporting of Nodal Excisions and Neck Dissection Specimens for Head and Neck Tumors: Explanations and Recommendations of the Guidelines From the International Collaboration on Cancer Reporting
Notice bibliographique
Résumé
Standardized, synoptic pathologic reporting for tumors greatly improves communication among clinicians, patients, and researchers, supporting prognostication and comparison about patient outcomes across institutions and countries. The International Collaboration on Cancer Reporting is a nonprofit organization whose mission is to develop evidence-based, universally available surgical pathology reporting data sets. Within the head and neck region, lymph node excisions and neck dissections are frequently performed as part of the management of head and neck cancers arising from the mucosal sites (sinonasal tract, nasopharynx, oropharynx, hypopharynx, oral cavity, and larynx) along with bone tumors, skin cancers, melanomas, and other tumor categories. The type of specimen, exact location (lymph node level), laterality, and orientation (by suture or diagram) are essential to accurate classification. There are significant staging differences for each anatomic site within the head and neck when lymph node sampling is considered, most importantly related to human papillomavirus-associated oropharyngeal carcinomas and mucosal melanomas. Number, size, and site of affected lymph nodes, including guidelines on determining the size of tumor deposits and the presence of extranodal extension and soft tissue metastasis, are presented in the context of prognostication. This review elaborates on each of the elements included in the data set for Nodal Excisions and Neck Dissection Specimens for Head & Neck 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 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 | 0,002 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».