MétaCan
Menu
Retour à la cohorte
Enregistrement W3028558697 · doi:10.3389/fonc.2020.00837

Deep Penetrating Nevus and Borderline-Deep Penetrating Nevus: A Literature Review

2020· review· en· W3028558697 sur OpenAlexaff
Ioana Cosgarea, Klaus Griewank, Loredana Ungureanu, Arturo Tamayo, Timo Siepmann

Notice bibliographique

RevueFrontiers in Oncology · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueCutaneous Melanoma Detection and Management
Établissements canadiensUniversity of ManitobaBrandon Regional Health Authority
Organismes subventionnairesSächsische Landesbibliothek – Staats- und Universitätsbibliothek DresdenTechnische Universität Dresden
Mots-clésMedicineMelanomaDermatologyBiopsySentinel lymph nodeNevusLymph nodeDissection (medical)SurgeryRadiologyPathologyInternal medicineCancerBreast cancer

Résumé

récupéré en direct d'OpenAlex

Deep penetrating nevi (DPN) are rare melanocytic nevi, which can exhibit atypical histological features hampering the differentiation from malignant melanoma. DPN are considered benign melanocytic lesions, but rare spread to lymph nodes and unfavorable clinical outcomes associated with borderline/atypical DPN (B-DPN) has been reported. Since no guidelines are available for DPN and B-DPN, we aimed to review the literature on DPN and B-DPN to assess the management and prognosis. We screened 3,513 references from EMBASE, Scopus and Medline databases, and included 15 studies with a total of 355 DPN patients and 48 B-DPN patients. Therapeutic interventions ranged from simple excision to wide excisions and sentinel lymph node biopsy (SLNB), with block lymph node dissection in some positive SLNB cases. Follow-up periods ranged from 3 months to 23 years during which a total of five recurrences, two in DPN and three in B-DPN group, and three metastases, in B-DPN group, were reported. While some of the included studies comprised clinical and histopathological correlation, few included genetic assessment. The present review highlights the need for prospective cohort studies applying composite measures to identify effective regimens of diagnostic workup and treatment in DPN and B-DPN.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,927
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
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 Opus0,019
Tête enseignante GPT0,326
Écart entre enseignants0,307 · 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.

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

Citations21
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in OncologyMême sujetCutaneous Melanoma Detection and ManagementTravaux en français237 207