MétaCan
Menu
Retour à la cohorte
Enregistrement W2950537929 · doi:10.1148/radiol.2019182646

Bosniak Classification of Cystic Renal Masses, Version 2019: An Update Proposal and Needs Assessment

2019· review· en· W2950537929 sur OpenAlexaff
Stuart G. Silverman, Iván Pedrosa, James H. Ellis, Nicole Hindman, Nicola Schieda, Andrew D. Smith, Erick M. Remer, Atul B. Shinagare, Nicole E. Curci, Steven S. Raman, Shane A. Wells, Samuel D. Kaffenberger, Zhen J. Wang, Hersh Chandarana, Matthew S. Davenport

Notice bibliographique

RevueRadiology · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueRenal cell carcinoma treatment
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNational Cancer InstituteNational Institutes of Health
Mots-clésMedicineMedical physicsRadiology

Résumé

récupéré en direct d'OpenAlex

Cystic renal cell carcinoma (RCC) is almost certainly overdiagnosed and overtreated. Efforts to diagnose and treat RCC at a curable stage result in many benign neoplasms and indolent cancers being resected without clear benefit. This is especially true for cystic masses, which compared with solid masses are more likely to be benign and, when malignant, less aggressive. For more than 30 years, the Bosniak classification has been used to stratify the risk of malignancy in cystic renal masses. Although it is widely used and still effective, the classification does not formally incorporate masses identified at MRI or US or masses that are incompletely characterized but are highly likely to be benign, and it is affected by interreader variability and variable reported malignancy rates. The Bosniak classification system cannot fully differentiate aggressive from indolent cancers and results in many benign masses being resected. This proposed update to the Bosniak classification addresses some of these shortcomings. The primary modifications incorporate MRI, establish definitions for previously vague imaging terms, and enable a greater proportion of masses to enter lower-risk classes. Although the update will require validation, it aims to expand the number of cystic masses to which the Bosniak classification can be applied while improving its precision and accuracy for the likelihood of cancer in each class.

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)0,008
score de la tête « metaresearch » (Gemma)0,018
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 enseignants0,014
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0090,008
Études des sciences et des technologies0,0010,002
Communication savante0,0030,004
Science ouverte0,0030,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,049
Tête enseignante GPT0,351
Écart entre enseignants0,302 · 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

Citations511
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRadiologyMême sujetRenal cell carcinoma treatmentTravaux en français237 207