MétaCan
Menu
← Retour à la cohorte
Enregistrement W3034497617 · doi:10.1158/1557-3265.aacrahns19-a35

Abstract A35: Diagnostic performance and timing of post-treatment 18F-FDG PET/CT for head and neck cancer surveillance: A meta-analysis of reported studies

2020· article· en· W3034497617 sur OpenAlexaff
Erin Wong, Adam A. Dmytriw, Eugene Yu, John Waldron, Rouhi Fazelzad, John R. de Almeida, Patrick Veit‐Haibach, Brian O’Sullivan, Wei Xu, Shao Hui Huang

Notice bibliographique

RevueClinical Cancer Research · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineHead and neck cancerHead and neckNuclear medicineMeta-analysisCancerInternal medicineConfidence intervalOncologySurgery

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose: The aims of this meta-analysis are to evaluate the diagnostic performance and to explore the optimal timing of post-treatment 18F-FDG PET/CT for HNSCC. Methods: January 2010 to August 2016 was the range for study selection. Subgroup analyses were performed for local/regional failure stratified by treatment-to-scan time interval of ≤3 vs. >3 months. Results: Twenty-four studies (2,256 patients) were included. Compared to ≤3 months, 18F-FDG PET/CT performed >3 months showed significantly improved sensitivity (87% vs. 60%, p=0.020) and specificity (93% vs. 84%, p<0.001) for identifying local failure and marginally improved sensitivity for regional failure (79% vs. 56%, p=0.100). The specificity for regional failure was equally high for >3 months vs. ≤3 months (95% vs. 97%, p=0.35). Conclusions: This meta-analysis showed high NPV but modest PPV for post-treatment 18F-FDG PET/CT for local and regional failure. Sensitivity is improved if performed >3 months for local failure and marginally improved for regional failure. Citation Format: Erin T. Wong, Adam A. Dmytriw, Eugene Yu, John Waldron, Rouhi Fazelzad, John de Almeida, Patrick Veit-Haibach, Brian O’Sullivan, Wei Xu, Shao Hui Huang. Diagnostic performance and timing of post-treatment 18F-FDG PET/CT for head and neck cancer surveillance: A meta-analysis of reported studies [abstract]. In: Proceedings of the AACR-AHNS Head and Neck Cancer Conference: Optimizing Survival and Quality of Life through Basic, Clinical, and Translational Research; 2019 Apr 29-30; Austin, TX. Philadelphia (PA): AACR; Clin Cancer Res 2020;26(12_Suppl_2):Abstract nr A35.

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)0,018
score de la tête « metaresearch » (Gemma)0,043
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens large)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,096

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,043
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0090,054
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,464
Tête enseignante GPT0,578
Écart entre enseignants0,114 · 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.

Devis d'étudeMéta-analyse
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Cancer Research→Même sujetRadiomics and Machine Learning in Medical Imaging→Travaux en français237 207→