MétaCan
Menu
Retour à la cohorte
Enregistrement W3038195328 · doi:10.1017/s1431927600037545

Detection of Early Cancers by Quantitative Cytology

2000· article· en· W3038195328 sur OpenAlexaff
Branko Palcic, David M. Garner, Xiao Rong Sun

Notice bibliographique

RevueMicroscopy and Microanalysis · 2000
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésMedicineIncidence (geometry)Cervical cancerCytologyCervixUterine cervixGynecologyMalignancyCancerObstetricsPopulationStage (stratigraphy)Internal medicinePathologyCarcinomaBiologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Abstract It has long been recognized that detecting cancers in their early, non-invasive stage is the best strategy to control malignant diseases. This has been best demonstrated by the example of cancer of the uterine cervix. Before screening for early signs of this malignancy, the prevalence of invasive cancer of the uterine cervix in the developed world was as high as 30 women per 100,000 and the mortality was 12-15 per 100,000 women per year, (all figures represent age standardized data). Since the introduction of cervical screening programs by Pap smears, the incidence of invasive cervical cancer and mortality due to this cancer has fallen dramatically. In British Columbia, for example, where population screening was introduced 50 years ago, the incidence and mortality have decreased several-fold and are at present below 6 and 3 per 100,000, respectively (1,2). It is believed that these figures could be even lower by encouraging more women into the program and by improving both sensitivity and specificity of the cytology.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,367

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,298
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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicroscopy and MicroanalysisMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207