MétaCan
Menu
Retour à la cohorte
Enregistrement W2995121954 · doi:10.1038/s41598-019-55215-6

Optical coherence angiography for pre-treatment assessment and treatment monitoring following photodynamic therapy: a basal cell carcinoma patient study

2019· article· en· W2995121954 sur OpenAlexaff
Ekaterina V. Gubarkova, Felix I. Feldchtein, Elena V. Zagaynova, S. V. Gamayunov, Marina A. Sirotkina, Е. С. Седова, Sergey S. Kuznetsov, Alexander A. Moiseev, Lev A. Matveev, Vladimir Y. Zaitsev, D. A. Karashtin, Grigory V. Gelikonov, Layla Pires, I. Alex Vitkin, Natalia D. Gladkova

Notice bibliographique

RevueScientific Reports · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Coherence Tomography Applications
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesRussian Science Foundation
Mots-clésPhotodynamic therapyMedicineBasal cell carcinomaBiopsyAngiographyRadiologyRegimenSampling errorBasal cellPathology

Résumé

récupéré en direct d'OpenAlex

Microvascular networks of human basal cell carcinomas (BCC) and surrounding skin were assessed with optical coherence angiography (OCA) in conjunction with photodynamic therapy (PDT). OCA images were collected and analyzed in 31 lesions pre-treatment, and immediately/24 hours/3-12 months post-treatment. Pre-treatment OCA enabled differentiation between prevalent subtypes of BCC (nodular and superficial) and nodular-with-necrotic-core BCC subtypes with a diagnostic accuracy of 78%; this can facilitate more accurate biopsy reducing sampling error and better therapy regimen selection. Post-treatment OCA images at 24 hours were 98% predictive of eventual outcome. Additional findings highlight the importance of pre-treatment necrotic core, vascular metrics associated with hypertrophic scar formation, and early microvascular changes necessary in both tumorous and peri-tumorous regions to ensure treatment success.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,013
Tête enseignante GPT0,273
Écart entre enseignants0,260 · 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'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

Citations33
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetOptical Coherence Tomography ApplicationsTravaux en français237 207