MétaCan
Menu
Retour à la cohorte
Enregistrement W3014985437 · doi:10.1148/rg.2020190119

MRI of Rhabdomyosarcoma and Other Soft-Tissue Sarcomas in Children

2020· review· en· W3014985437 sur OpenAlex
Emilio J. Inarejos Clemente, María Navallas, Mariona Suñol, Josep Munuera, Ferrán Torner, Moira Garraus, Oscar M. Navarro

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueRadiographics · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueSarcoma Diagnosis and Treatment
Établissements canadiensHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineRhabdomyosarcomaSoft tissueRadiologySarcomaSoft tissue sarcomaPathology

Résumé

récupéré en direct d'OpenAlex

Soft-tissue sarcomas in children comprise a heterogeneous group of entities with variable manifestation depending on the age of the patient and the location of the tumor. MRI is the modality of choice for evaluating musculoskeletal soft-tissue tumors and plays a paramount role in both initial diagnosis and assessment of tumor response during and after treatment. Conventional MRI sequences, such as T1- and T2-weighted imaging, offer morphologic information, which is important for localizing the lesion and describing anatomic relationships but not accurate for determining its malignant or benign nature and may be limited in differentiating tumor response from therapy-related changes. Advanced multiparametric MRI offers further functional information that can help with these tasks by using different imaging sequences and biomarkers. The authors present the role of MRI in rhabdomyosarcoma and other soft-tissue sarcomas in children, emphasizing a multiparametric approach with focus on the utility and potential added value of diffusion-weighted imaging (DWI) and dynamic contrast-enhanced MRI in characterization and staging, determination of pretreatment extent, and evaluation of tumor response and recurrence after treatment. ©RSNA, 2020

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.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,973
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
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 Opus0,029
Tête enseignante GPT0,320
Écart entre enseignants0,291 · 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