MétaCan
Menu
Retour à la cohorte
Enregistrement W2902625301 · doi:10.1055/s-0038-1676289

Maternal and Fetal Outcomes in Pregnancies affected by Bone and Soft Tissue Tumors

2018· article· en· W2902625301 sur OpenAlexaff
Ernesto Antônio Figueiró-Filho, Hythem Al-Sum, Jacqueline Parrish, Jay S. Wunder, Cynthia Maxwell

Notice bibliographique

RevueAmerican Journal of Perinatology Reports · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Risks and Factors
Établissements canadiensUniversity of TorontoMount Sinai Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineSoft tissueObstetricsFetusPregnancyRadiology

Résumé

récupéré en direct d'OpenAlex

Objective This study was aimed to describe perinatal outcome of a cohort of pregnant patients with bone and soft tissue tumors and to compare the current series with our group's previously reported experience. Methods Pregnant women diagnosed before and during pregnancy were identified, retrospectively, for the years 2004 to 2014. Relevant maternal and neonatal data were collected. Results Forty-eight patients were identified. Ten cases were diagnosed during pregnancy. Pelvis, abdomen, and extremities were the most common tumor locations. Osteosarcoma, liposarcoma, and Ewing's sarcoma were the most common histological types and comprise more than 50% of the cases. Metastases occurred in nine cases. Most of the cases (60%) were treated surgically during pregnancy and delivery occurred at term. Chemotherapy was delayed until after delivery. There were no perinatal or infant deaths. Patients presented with advanced maternal disease in 18% in previous report (1983–2003) versus 40% in present report (2004–2014). Metastases were present in 40% and maternal death rate was approximately 20% in both cohorts. Conclusion Pregnant women with bone and soft tissue tumors are candidates for standard surgical management during pregnancy. Other treatments, such as chemotherapy and radiotherapy must be evaluated for each woman on a case-by-case basis. Iatrogenic prematurity was common in our findings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,391

Scores Codex et Gemma par catégorie

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

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 Opus0,005
Tête enseignante GPT0,277
Écart entre enseignants0,272 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Perinatology ReportsMême sujetCancer Risks and FactorsTravaux en français237 207