MétaCan
Menu
Retour à la cohorte
Enregistrement W3042704706 · doi:10.1002/jso.26121

Lesional therapies for in‐transit melanoma

2020· article· en· W3042704706 sur OpenAlexaff
Ashlie Nadler, Nicole J. Look Hong, Nasrin Alavi, Wadid Abadir, Frances C. Wright

Notice bibliographique

RevueJournal of Surgical Oncology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCutaneous Melanoma Detection and Management
Établissements canadiensHealth Sciences CentreUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineImiquimodCommon Terminology Criteria for Adverse EventsMelanomaInternal medicineDermatologySurgeryRetrospective cohort studyToxicityAdverse effectOncology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND OBJECTIVES: To describe the outcomes of lesional therapy of in-transit melanoma (ITM) with interleukin-2 (IL-2), diphencyprone (DPCP), combination lesional therapy (IL-2, retinoid, and imiquimod; CLT), and imiquimod. METHODS: Data was collected for consecutive patients with ITM receiving lesional therapies from 2008 to 2018 in a retrospective review. Included patients did not have metastatic disease at time of starting on lesional therapy and were not on systemic therapy. The primary outcome was complete pathologic response (pCR). RESULTS: Of 83 patients, 57 (69%) started treatment with IL-2, 10 (12%) with DPCP, 12 (14%) with CLT, and 4 (5%) with imiquimod. pCR was achieved in 34 patients (41%) overall, including 44% starting on IL-2, 20% on DPCP, 58% on CLT, and none on imiquimod (P = .024). With a median follow-up of 45 months, cumulative one-year overall survival was 86%, with the best survival in the CLT group. Forty-eight percent experienced common terminology criteria for adverse events grade 1 or 2 toxicity. A quarter of patients on DPCP discontinued therapy due to toxicity (P = .002). CONCLUSIONS: IL-2 may be considered for the treatment of ITM with multiple or rapidly developing lesions where there would otherwise be significant morbidity with surgery, given pCR rates and toxicity.

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 enseignants0,001
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 recherche0,0000,000
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 Opus0,041
Tête enseignante GPT0,316
Écart entre enseignants0,275 · 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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Surgical OncologyMême sujetCutaneous Melanoma Detection and ManagementTravaux en français237 207