Statistical approach to mediastinal staging in NSCLC with M.E.S.S.i.a. software
Notice bibliographique
Résumé
The exclusion of pathological involvement of mediastinal lymph nodes in patients affected by NSCLC plays a central role in assessing their prognosis and operability. Ceron et al. developed a software - called M.E.S.S.i.a (Mediastinal Evaluation with Statistical Support; instan approach) - that allows the calculation of the residual probability of lymph node involvement after a certain number of tests has been done, by integrating every test result with the pre-test prevalence. M.E.S.S.i.a. bridges a gap of current American College of Chest Physicians (ACCP) guidelines, providing probability values of mediastinal metastasis for a correct clinical decision. We conducted a preliminary retrospective study in a series of 108 patients affected by non small cell lung cancer (NSCLC). Pathological staging was compared to the probability of nodal involvement calculated by M.E.S.S.i.a. software. Forty-two out of 108 subjects (39%) had a calculated post-test probability <8%; none of these had proven N2/N3 metastasis at surgical staging (negative predictive value, NPV: 100%). In 12/41 cases M.E.S.S.i.a. was able to avoid invasive procedures. The remaining 66 (61%) patients did not reach the surgical threshold; among these, 11 displayed N2 positivity at pathological staging. Receiving operator curve (ROC) analysis produced an area under curve (AUC) value of 0.773 (p<0.001). These preliminary data show high accuracy of M.E.S.S.i.a. software in excluding N2/N3 lymph node involvement in NSCLC. We have therefore promoted a prospective multicenter study in order to to get a validation of the calculator at different levels of probability of lymph node involvement. The recruitable subjects are potentially operable NSCLC patients; the gold standard for detection of mediastinal disease is the surgical lymph node dissection.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,030 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».